随着互联网和信息技术的发展,Web搜索技术在人们的日常生活和学习中发挥着越来越重要的作用。如何在海量数据中准确快速的搜索到有用信息,成为现代信息检索技术的主要研究内容。而信息检索的主要困难,一方面来自于用户难以准确地表达自己的查询请求,有效地和信息检索系统交互;另一方面,来自于信息检索系统很难对文档集进行整理加工。本文综合考虑了这两方面的内容,提出了查询扩展和文档扩展相结合的中文信息检索系统。本文的主要工作包括以下方面:第一,对已有查询扩展技术在中文信息检索中的有效性分析的基础上,提出了一种基于Web资源查询扩展策略。该策略自动从互联网上下载网页,并对其进行分析并从中提取相关术语群用于进行查询扩展。相对传统扩展方法利用人工构建的静态语义资源进行扩展,该策略可以根据Web资源自动的构建语义资源,具有更好的时效性和实用性。第二,利用文档集内部的信息,提出基于文本聚类的文档扩展方法。该方法首先得到单个文档与查询之间的相似度;然后将前n篇文档聚类,再次计算类别与查询之间的相似度,并将它赋给该类别中的每一个文档;最后,将这两个相似度线性组合起来,得到了每个文档与查询之间最终的相似度,并以此重排结果集。第三,将这两种方法结合起来,形成了查询扩展和文档扩展相结合的中文信息检索系统。在NICIR-6中文信息检索测试集上进行的实验表明,相对于传统的信息检索技术,本文的方法在检索精度上取得了一定的提高。