随着计算机网络的普及,网络已逐渐成为人们发布信息和获取信息的主要平台。搜索引擎作为该信息平台的一种首选导航系统,由此得到了越来越广泛的应用。搜索引擎从产生至今,历经了多次发展变革,从最初手工目录服务的诞生,到如今关键词全文检索的流行,检索效率和性能得到逐步提高,但是依旧无法满足人们日益苛刻的检索需求。究其原委,很重要的一点原因就在于检索过程缺乏用户意图的分析,简单地认为,语法层面上基于检索式词形匹配的手段能够达到语义层面上面向用户意图的语义匹配。　　 本文首先从米扎罗提出的用户意图层次模型出发,分析了用户检索意图分析的必要性。然后通过文献调研的方式,分析了当前信息检索领域用户检索意图分析的研究现状,并总结了前人研究的不足和缺陷。在此基础之上,本文进一步提出了基于本体和检索式流的用户意图建模策略,即在用户检索式流构成的检索情境中利用本体所构建的知识模型,推理建模用户检索式背后潜在的用户意图。其后,针对特定用户实例的意图模型,本文提出了基于向量空间的查询优化策略。最后,为了验证本文提出的思想,本人设计并实现了一个检索平台原型,并通过小规模的试验样本证明了论文思想的有效性和可行性。在这一过程中,本文主要解决了如下几个关键问题。　　 (1)本体的自动构建　　 本体知识模型的质量直接决定了后续用户意图建模的准确性。本文从本体的领域覆盖面和构建效率出发,确定了以Wikipedia为知识源的本体自动化构建方案,即通过蜘蛛程序自动采集Wikipedia站点的知识结构,然后利用Jena开发包实现本体的自动化构建。　　 (2)用户意图的捕获和表示　　 本文在前人研究的基础上提出了从静态和动态两种视角建模用户意图的思想,其中静态视角反映意图的问题领域,动态视角反映意图的变化趋势。在此基础上,再就两种视角的用户意图分别提出了相应的捕获方法。　　 (3)面向用户意图的查询优化　　 本文分析了当前使用最为广泛的向量空间信息检索模型,在此基础上,基于特定用户的意图表征,提出了面向向量空间模型的查询优化策略。