在互联网技术高速发展的时代,各种数据充斥在网络上,数据的信息量繁杂,人们对信息数据的质量提出了更高的要求。如何有效获取用户所需要的高质量相关文档,是信息检索中一个非常重要的课题。但是,由于用户难以提出准确描述搜索意图的查询,而且查询表达式过于短小,在这种情况下,有些学者提出了利用查询扩展来扩充查询表示式用来完善用户的查询意图,进而提高信息检索系统的检索性能。在这些提出的反馈技术查询扩展方法中,只有伪反馈不需要用户的参与,所以具有很大的普适性。论文主要针对伪反馈中的两个问题展开研究,包括相关文档的确定和查询词项的扩展。主要研究内容包括:(1)研究了基于伪反馈模型的XML检索结果聚类。在XML文档检索中结果聚类是一种改善检索效果的有效方法,其文档距离度量是影响聚类质量的关键因素。针对XML文档检索结果聚类中TF×IDF方法的频率因子和长度因子处理上的不合理和不能突显重要词条的缺点,提出了一种基于“频率因子”和“长度因子”的新权重计算方案。并在建立向量空间模型时引入LSI理论,在词条之间搭建了语义关系,减少了原词-文档矩阵中包含的噪声,聚类速度和精度都有所提高。针对IEEE无类别信息数据集进行了实验,实验表明与同类相似度计算方法和聚类方法相比,本文的方法在聚类速度和效果上都有所提高和改善。(2)研究了伪相关文档查找和XML查询扩展。在XML检索结果聚类的基础上,进行了高质量伪相关文档的查找和高质量查询词的扩展,提出了一个簇标签和簇内文档两个阶段的排序模型,通过该模型得到了N个伪相关文档并用于查询扩展。然后,在这些伪相关文档中挑选合适的词项作为查询扩展词,并将它们和初始查询一并返回提交到信息检索系统。一系列的实验证明本文提出的方法总体性能比未进行查询扩展的方法和传统伪反馈查询词扩展方法都要高。