微博作为一种非常流行的社交方式,可以提供海量实时的文本信息,比如新闻事件,热门评论,热点话题等信息。微博搜索与传统搜索引擎有很大不同,因其实时性和社交性特点,用户对微博搜索的需求越来越大,如何对搜索结果进行优化也成为研究重点。相关反馈技术作为查询扩展中提升性能的关键技术,对结果优化有着重要影响。本文针对微博语料集,主要研究相关反馈技术,提出基于相关反馈的重排序算法,主要完成以下工作：第一,本文提出了改进相关模型的反馈算法,对传统相关模型进行改进,提升话题扩展的检索性能；设计了基于词激活力的反馈算法,构建词网,挖掘话题词所激活的扩展词。第二,本文针对微博特征和语料集特点,创新性地将扩展词结果作为特征融入到排序学习模型中,而不是直接进行二次检索；并且单独分析扩展词特征,URL内容特征对排序结果的影响,并提出了融合多种特征的重排序算法,对搜索结果进行优化。在TREC2011-2013微博评测的Twitter语料集上进行验证,实验证明该方法检索指标P@30, MAP等值均有大幅提高,最后设计并实现了基于相关反馈的微博搜索系统。