互联网高速发展,信息急剧增加,而搜索引擎始终是访问这些信息的重要入口。信息类别越来越丰富导致通用搜索顾此失彼,因此人们对面向特定领域的垂直搜索引擎的需求越来越大。本文首先通过与通用搜索引擎的对比介绍了垂直搜索引擎的概念,分析了垂直搜索所面临的问题,并针对某些问题试图给出解决方案。针对互联网中的信息存在大量重复、错误、不完整和不断更新的情况,本文提出了一种新的数据清洗框架,它通过聚合重复记录的方式对数据进行有效清洗,显著提高了数据的完整度和准确性,同时能保证实时性。针对数据清洗中的记录关联问题,提出了一种基于Lucene的分块方法,在保证效率的同时提高了记录关联的精度与召回率。为了不断提高用户的搜索效率,本文首先分析了提高搜索排序效果的各种途径,然后从个性化的角度展开研究。在借鉴个性化推荐技术的基础上,将基于内容的推荐算法和隐语义模型运用于排序问题,进而提出了面向排序的隐语义模型,并在MovieLens数据集上使用NDCG作为评价指标,实验验证了该方法的有效性。最后,本文在一个视频搜索引擎中实现了文中提出的方法,经测试,验证了方法的有效性,并且该系统的数据完整度高、差错少,系统响应速度快,搜索效率高,满足了用户对视频搜索的需求。