随着计算机和网络的不断发展,各种数据大量地涌现,而这些数据中,很多是以混合形式出现,称为混合数据。混合数据通常由结构化数据和非结构化数据构成,其中非结构化数据主要以文本形式体现。如何从这些大量混合数据中搜索到用户需要的信息一直是个有挑战的而又急待解决的问题。而文本搜索的任务是如何从大量数据中找到与查询文本相关或满足用户需求的文本。因此,在计算机领域,文本检索一直是个热点的话题。文本搜索(即检索)是信息检索的一个核心部分。而本文的重点是如何在混合数据上进行文本搜索以及优化。近年来,已提出了很多关于文本搜索的相关技术,主要分为两类：旨在构建一个准确而又合理的相似(相关)度函数；而另外些技术重点研究如何对查询文本进行关键词扩展或优化技术。但是,这些技术的研究重点都仅仅放在单纯文本的匹配上,忽略了混合数据中除文本以外的其他结构化数据。所以,直接使用这些技术得到的返回结果常常是不理想的。此外,由于混合数据包含各种各样的结构化数据和非结构化数据,导致数据检索技术面临更加复杂的问题。如何充分利用结构化数据来辅助文本搜索从而达到优化的目的是一项具有挑战性的工作。本文提出了一种面向混合数据模型的搜索技术及优化方法。主要贡献如下：(1)针对混合数据模型的特点,提出了一种属性分类策略；(2)在此策略的基础上给出相应的属性打分方法并提出了的文本搜索的基本方法；(3)在此策略的基础上,针对结构化数据利用挖掘技术,得到一些属性规则；(4)基于这些属性规则,提出了几种过滤方法和排名的策略,进而优化了文本搜索的策略。最后,通过在基于HP真实数据上大量实验测试表明,本文所提出的优化算法同现有的其他技术相比较,会得到更高的准确性和召回率。