新一代计算模式促使人机交互方式必须从“以计算机为中心”向“以人为中心”转变。以手写体和手绘草图输入为核心的笔式交互，以其既符合人们“笔录纸现”的思维表达习惯，又能充分利用计算机极强的信息维护功能的特性，而在新型人机交互中表现出强大的生命力。然而，笔式交互所固有的模糊性及用户手绘输入的随意性，使得如何让系统精确捕捉用户意图及如何适合不同用户的认知习惯和特点成为笔式交互走向实用化的关键问题。 本文提出了将相关反馈技术引入到笔式交互的思想，力图利用相关反馈技术来捕捉用户的主观意图和认知习惯。本文针对草图检索和识别两种不同的交互场合，提出了草图交互中的相关反馈方案，该方案利用显式的相关反馈技术在草图检索中捕捉用户的及时绘图意图，并利用隐式的反馈分析用户对图形的感知习惯和兴趣为草图识别提供先验知识。本文用实验验证了所提出方法的有效性。 论文的主要成果体现在以下几个方面： (1)草图交互中的相关反馈方案：本文详细分析了笔式交互的关键和难点问题，提出利用相关反馈技术来解决笔式交互中的模糊性和随意性问题。通过在交互过程中加入人的反馈评价使得交互计算动态地适应用户的需要，本文以草图识别和草图检索为背景提出了一个草图交互中的相关反馈方案，为研究人机交互的相关反馈技术提供了初步的基础。 (2)面向检索的显式相关反馈技术：本文研究了面向检索的显式反馈技术，该方法首先允许用户对候选检索结果给予显式的相关性反馈评价，然后使用查询点位移和权重调整反馈算法根据初始查询和用户评价重建查询请求，精化检索结果从而逐步逼近用户的绘图意图。 (3)基于隐式反馈的用户习惯分析：在模糊匹配的机制下，用户对结果集的选择可以看成是用户的反馈，而这种反馈是对用户透明的。本文利用这种隐式反馈的方式记录用户对候选结果集的选择，并通过分析用户的特征敏感度捕捉用户习惯，丰富用户模型，为草图交互提供先验知识。 (4)相关反馈实验平台及实验验证：为了验证所述方法的有效性，本文建立了一个相关反馈实验平台并进行实验验证。对于显式反馈技术，本文在实验验证相关反馈技术对于草图检索有效性的基础上。分析不同特征在相关反馈应用中的不同效果。对于隐式反馈，本文以草图识别为背景对历史信息利用的有效性进行实验论证，并通过实验分析和验证不同用户的特征敏感度差异。