随着Web信息多元化趋势的增强,给所有用户提供同一个通用搜索引擎入口已经不能满足特定用户更加深入的查询需求。在这一情况下,面向特定主题领域的定题搜索引擎应运而生。定题信息检索为定题搜索引擎提供了有力的技术支撑。本文将对确定主题领域信息的获取、过滤以及检索三个重要内容加以分析和相应的方法改进,为定题信息检索构建一个通用的有效的开发框架。在主题信息的获取方面,定题搜索引擎通常采用定题爬虫抓取网页信息,而基于元搜索引擎采集主题相关信息在检索的召回率和时效性上都具有明显的优势,但由于元搜索引擎的各个成员引擎通常都是通用搜索引擎,因此难以反馈与目标主题相关的页面文档。为此,本文设计了一个基于统计翻译模型的查询扩展方法,通过为用户的初始查询增加目标主题信息的手段,提高定题信息Web检索的准确率。主题信息过滤在很大程度上以文本分类技术为基础,本文提出了一个改进的文本特征提取方法,并将其应用于贝叶斯分类中,实验获得了更好的文本分类效果。基于语言模型的定题信息检索是本文的重点,本文将一系列既有的改进方向融合到两个检索扩展框架中,并针对两个扩展框架分别提出了改进措施:首先提出将HMM检索过程与贝叶斯平滑相结合的手段,进而设计了一个基于贝叶斯推理网络的词关联度计算方法,并将其用于引入词关联信息的检索扩展框架中。实验证明了两个改进的扩展框架均使文档集评测结果在原有方法的基础上获得了进一步的提升。而基于贝叶斯推理网络的词关联度计算方法比已有的基于翻译模型的词关联度计算方法更加适用于定题信息检索。