从互联网诞生的那天起,信息量每日都在快速增长,搜索引擎是用户在海量数据中快速准确的寻找需要数据的最常用途径。随着网民数量的不断增长,特别是Web2.0技术的发展,互联网信息成爆炸式扩充,人们对搜索引擎的需求和有用知识的难以获取的矛盾日益突出。查询词扩展技术就是为了帮助用户构造能清楚地表达查询意图的查询表达式,进而优化搜索引擎的查询结果,节约用户的查询时间,提高查询精度。　　本文主要研究 Lucene和GVSM如何应用在查询词扩展系统上，并利用OHSUMED数据集进行相关实验,主要研究工作包括以下几点:　　(1)在传统信息检索平台的基础上，本文引入了二次检索的过程:通过用户和系统交互构造新查询串,重新在目标语料集中进行检索。　　(2)对Lucene扩展算法的改进。Lucene能够方便快捷地建立索引,并实现指定域的查询。本文为OHSUMED数据建立索引,对初次检索结果使用改进的ROCCHIO反馈方式实现查询词扩展,然后依用户行为构造二次检索的查询条件。　　(3)用GVSM实现查询词扩展算法并进行改进。GVSM是一种典型的向量空间模型,本文采用GVSM结合人工构造的扩展词表实现一种查询词扩展算法,对模型中权重、相似度计算公式进行调整,取得了较好的效果。　　(4)改进传统的信息检索评价指标。结合 OHSUMED数据的三级相关类标构造合理的评价准则,筛选合适的Query进行查询扩展,验证算法的有效性。　　基于上述研究成果,本文设计并实现了基于 Lucene全文检索系统和GVSM模型的查询词扩展系统,该系统包括数据预处理模块、索引模块、检索模块、查询词扩展模块、二次检索模块等,为进行相关实验和研究提供了一个基础平台。本文针对OHSUMED数据集进行实验,F值最高提高100％以上，平均提高15%左右。