集合选择是分布式信息检索系统的重要组成部分。利用文本语义信息来度量查询与集合的相关度是提高集合选择准确度的一个有效途径。本文从文本的语义表示入手,提出一种基于分布式表征(Distributed Representation)和局部排序的信息检索集合选择方法。该方法针对现有集合选择方法在文本表示上存在的语义获取不准确问题,采用神经网络语言模型来训练查询与文档对应的分布式表征向量,以提高查询与文档相关度的准确度；针对原始查询过于简短、不易确定查询意图的问题,使用一种结合Wikipedia和ListNet的方法对原始查询进行扩展,以进一步提高查询与文档相关度的准确度；在已知查询与文档相关度的基础上,针对传统方法的文档排序方式不合理问题,使用局部排序的方法对文档进行排序,并引入文档评分阈值,来提高查询与集合相关度的准确度。最后,本文选取ReDDE、 MReDDE、CRCS和LBCS方法作为基准方法,在三种集合划分方式下分别对本文方法中三大组成要素的单项有效性和综合有效性进行验证,并探究了三大要素在本文方法中的贡献率。实验结果表明,本文提出的方法可以选出更合适的集合,在精确度上优于所选的基准方法。