文本检索是信息检索的重要组成部分,目前几乎所有搜索引擎都是采用基于关键词的检索方法,其核心是关键字符的机械式匹配,存在的问题之一就是召回率和准确率比较低,从而导致检索系统的整体性能不理想。基于概念的检索通过基于语义的自然语言处理来提取文本的各种概念信息,根据对用户查询的准确理解来检索文本库中相关的信息以提供较好的检索结果,有效地弥补了关键词检索存在的缺陷。本文就基于概念的检索中文档和查询的标引技术和匹配算法进行了研究,主要研究工作如下:首先,扩展Sowa概念图的定义,提出了一种更适于自然语言自动分析的标引形式——递归概念图。这种标引方式不仅需要识别文本中的有效概念,还需要确定它们之间的语义关系,是真正语义层次上的标引方法。在用概念图对文档和查询进行标引的前提下,还给出了文档概念图和查询概念图之间的匹配算法来计算两者之间相似度,检索结果可以按此进行排序。其次,构建了“游船”领域的概念结构,它对文本的概念图标引以及文档概念图和用户查询概念图之间的相似度计算起支持作用。这项工作分两部分:在有关“游船”领域的200个文本标题中,提取概念并组织成概念分类树;总结这些概念之间的语义关系,将这些关系编号,加入到概念结构中。然后,在计算机上实现我们的检索模型。在实现过程中,我们采用了一些技术来提高检索效率,如:利用XML来表示文本的概念图标引,还利用构建哈希表加速概念相似度的计算等。最后,利用我们实现的检索系统在与“游船”领域相关的文本集上与布尔模型和进行了对比实验。从实验结果看,对于绝大多数用户查询来说,我们模型检索性能(召回率和准确率)的优势比较明显。