随着笔输入设备和笔式用户界面的广泛应用，联机手写文档分析、识别和检索技术成为重要的研究方向。一夜惊喜技术虽然取得了很大的进步，但是受到识别精度的影响，不能够正确识别的词语就无法查找到，导致召回率不够高。而关键词检索技术是在不需要对文档进行精确识别的情况下，计算关键词和文档中候选词之间的相似度，通过调节相似度的阈值来平衡召回率和精度，这样做可以找到更多有用的信息。本文主要研究大规模多书写入的联机中文手写文档关键词检索方法，以字符识别和文本识别为基础，在候选切分-识别网格中计算候选字的置信度，并利用字符相似度计算词语的相似度。通过字词相似度的有效计算和动态搜索，可以在大数据库上有效地查找关键词的位置。本文的主要工作和贡献如下:　　 (1)提出一种基于一对多(one-versus-all)原型分类器的关键词检索方法。和基于最小分类错误(minimum classification error，MCE)准则训练的多类分类器不同，一对多原型分类器可以更好地拒识错误类别。实验结果表明，一对多分类器在关键词检索中的性能优于多类分类器。　　 (2)提出一种基于候选切分-识别网格中N-best路径的字符置信度估计的关键词检索方法。该方法的路径评价准则是一种集成字符分类器、二元语言模型和几何模型的判别函数。本文利用soft-max把路径的分数转换成概率，置信度参数可以通过训练文本上的字符混淆网格(character confusionnetwork，CNN)解码进行估计。实验结果验证了该方法的有效性。　　 (3)提出一种基于候选切分-识别网格剪枝和边概率计算的关键词检索方法。基于半马尔可夫-条件随机场(semi-Markov conditional random fields，semi-CRFs)模型，利用前向-后向算法对候选切分-识别网格进行剪枝，并计算边概率，作为候选字的置信度。为了提高关键词检索的召回率，提出一种误差校正的字符同步动态搜索算法。实验结果验证了半马尔可夫-条件随机场和误差校正的动态搜索算法的有效性。