对目前问答系统的性能分析表明,用于答案抽取来源的文档的相关性是制约问答系统性能的主要因素。相关文档检索作为问答系统的一个重要组成部分,其检索结果与问题的相关性将直接影响答案抽取的效果。相关文档检索的研究包括问题分类、查询扩展及排序算法三方面。从近几年对问答系统的研究来看,由针对人名、地名等事实类问题的回答转向对关系类、定义类等复杂类型问题的回答上。本文着重于研究查询扩展与排序算法,主要工作包括以下几个方面:第一,针对现有基于用户查询日志的扩展方法中没有考虑日志中数据源权威度的问题,结合问题类型信息,提出了一种基于日志可信度的查询扩展方法。在计算查询与网页的相关度时加入权威度因子,采用局部上下文分析方法获取相关词语列表,根据问题类型优化查询。实验结果表明,该方法能有效地改善传记类和定义类问题的查询性能。第二,对于特定类型的问题,文档中会出现相关的特征词,本文借助知网的实体属性间关系,找出类型-特征词对,构建类别模型。第三,采用基于类别模型的两阶段排序策略。首先采用多策略的排序融合算法,然后在N-best的基础上,利用类别模型对文档进行重排序。实验证明,该方法有效地提高了检索的准确率。最后本文实现了一个相关文档检索系统,实现对输入问句的检索,应用本文提出的查询扩展方法和排序算法,在NTCIR-7标准测试集上与Lucene检索系统进行比较。实验表明对于中文复杂类问题本系统的检索性能优于Lucene。下一步工作尝试建立更加准确的类别模型指导重排序。