隨著Web的普及，越來(lái)越多的用戶希望從互聯(lián)網(wǎng)上獲取信息。對(duì)于目前主流的基于關(guān)鍵詞的搜索方式，用戶必須通過(guò)構(gòu)造有限的查詢?cè)~來(lái)表達(dá)信息需求（ information need）。Carpineto等在查詢擴(kuò)展綜述中明確指出，大多數(shù)用戶喜歡構(gòu)造短查詢交給搜索引擎，且構(gòu)造的查詢?cè)~多以1-3個(gè)詞居多；并且用戶的查詢構(gòu)造本身就是一個(gè)抽象的過(guò)程，查詢構(gòu)造結(jié)果具有模糊性、不確定性和描述的多樣性。在這種情況下，由于缺乏上下文語(yǔ)境，搜索引擎很難完全理解用戶的查詢意圖，返回的結(jié)果中經(jīng)常會(huì)包含大量無(wú)關(guān)或相似的文檔。特別是當(dāng)查詢?cè)~出現(xiàn)歧義時(shí)，返回的文檔集會(huì)偏向于某一個(gè)主題，而該主題往往并不是用戶潛在查詢意圖。如果搜索引擎能夠?qū)⑴c用戶初始查詢構(gòu)造相關(guān)的信息全部返回給用戶，那么，用戶就可以在多個(gè)不同查詢結(jié)果中找到自己最想要的結(jié)果。

　　針對(duì)傳統(tǒng)偽相關(guān)反饋（PRF）算法擴(kuò)展源質(zhì)量不高使得檢索效果不佳的問(wèn)題，提出一種基于檢索結(jié)果的排序模型（ REM）。首先，該模型從初檢結(jié)果中選擇排名靠前的文檔怍為偽相關(guān)文檔集；然后，以用戶查詢意圖與偽相關(guān)文檔集中各文檔的相關(guān)度最大化、并且各文檔之間相似性最小化作為排序原則，將偽相關(guān)文檔集中各文檔進(jìn)行重排序；最后，將排序后排名靠前的文檔作為擴(kuò)展源進(jìn)行二次反饋。實(shí)驗(yàn)結(jié)果表明，與兩種傳統(tǒng)偽反饋方法相比，該排序模型能獲得與用戶查詢意圖相關(guān)的反饋文檔，可有效地提高檢索效果。