21世纪是互联网的黄金时代。在这一期间,信息技术得到了快速的发展,因特网已经成为目前最大的知识宝库。其内容浩如烟海,包罗万象,是人们求知解惑的重要来源。信息检索系统作为人们获取网络资源的高效工具,自始至终发挥着重要作用。但是传统采用关键字进行全文检索方式的检索系统,存在检索结果不全面和相关性低等问题。针对目前检索系统存在的不足,本文使用自然语言处理中的相关技术对检索系统加以优化,实现对查询关键词进行扩展。本文设计了一种基于百科词条信息的词语相似度计算方法。该方法由词条间对应的名片、词条正文,开放分类和相关词条四部分之间的内容相似度,来获得给定词汇对的整体相似度。利用该方法在《HowNet》中文词典中获取关键词意思相近的词作为扩展词。另外,本文还实现了对用户兴趣爱好信息的提取,并把结果作为对检索结果排序优化的依据。本文的主要工作如下:(1)深入研究Simhash算法,提出了改进的TTSimhash算法。TTSimhash算法采用ICTCLAS分词技术,在关键词初始权值计算中,引入TF-IDF方法,并考虑了词性、词长的因素。采用基于PageRank的思想对文本建立图模型,通过邻接节点以及邻接节点和目标节点之间的边关系,对目标节点进行投票得到关键词最终权值。(2)结合改进的TTSimhash算法,设计基于百科词条的词语相似度计算方法。新方法依托于百度词条内容,利用词条各部分之间相似度,加权得到词语之间的整体相似度。使用该算法来计算候选词和条件关键词之间的相似度。(3)设计并实现了信息检索系统的查询扩展模块。借助了《HowNet》和本文提出的词语相似度计算方法,获取语义相近的词,实现对查询条件关键词的扩展。使得检索结果内容更加全面。(4)设计并实现了信息检索系统的个性化模块。通过对用户浏览器使用信息如浏览历史、收藏夹信息的收集和分析,提取用户兴趣爱好关键词。基于得到的兴趣特征对检索结果进行优化。系统测试结果表明,本文方法在信息检索中的应用是有效可行的,可以有效提高信息检索效率,帮助用户得到期望的结果。