社会化标注是用户产生的用于描述网络资源的关键词,区别于传统的自上而下的信息传播方式,社会化标注来源于广大的互联网用户,作为一种新兴的重要的信息资源,能够与广大的互联网用户分享,充分体现了Web2.0的精神。随着Web2.0的发展,许多网站允许用户创建并分享标签,与此同时,社会化标注也引起了研究者越来越多的关注,很多研究表明社会化标注能够用于改善信息检索。但是由于现实中的数据往往有缺陷,尤其是当社会化标注数据稀疏,或者遇到许多无效标注的时候,信息检索的改善效果并不理想。为了解决以上问题,本文探索了两种方法用于扩展和评估社会化标注,从而改善查询扩展的质量：一是Jaccard SimRank算法。当碰到稀疏的社会化标注数据的时候,传统的Cosine相似度和Jaccard系数几乎无效。为了解决数据稀疏而提出的基于图结构的SimRank算法,因为没有对社会化标注系统中的信息进行充分的利用,导致对查询词进行扩展的效果并不十分理想。本文提出了改进的Jaccard SimRank算法,能够更直观地描述标签词之间的相似度,并利用相似度算法为原始的查询词提供更精确的扩展词,从而提高检索效果。二是社会化标注质量评测策略。该算法基于用户标注的优劣可以被评估这一假设,因为一个用户的社会化标注能够被其他用户评价,通过投票的方式对标签进行评估,得到票数最多标签词可以认为为是最适合这个网络资源的标签。不仅标签被加以评估,提供合适标签词的用户也会获得一个相应的加权值,标签所关联的网络资源也会获得相应的加权值。利用加权值,可以在一定程度上排除机器产生的无效的自动标注,从而改善信息检索的质量。本文的实验数据集是从Bibsonomy网站上抽取的真实数据集,采用提出的两种改进的方法对数据集进行测试,通过对余弦相似度、Jaccard系数、SimRank算法和JSR算法的查询扩展结果进行对比,对实验结果进行评价,试验结果表明,本文提出的两个算法和传统相法相比,有效的提高了查询扩展的质量。