随着互联网的进一步的发展和普及,微博作为一种强大有力的网络平台和社交传播媒体日益流行起来。目前风靡全世界的Twitter和国内的一些热门微博如新浪微博、腾讯微博等有着庞大的用户群体,同时每天产生数以亿计的字节内容。由于微博消息不超过140字符的长度限制,以及书写随意和夹杂很多网络用语和表情符号。随着微博数据的快速增长,如何从杂乱无章的微博短文本信息中检索到用户需要的有价值的实时信息变得尤为重要。传统的信息检索技术在解决这些问题的方面还存在许多的不足。为了解决上述问题,本文在前人研究的基础之上,以微博为研究对象,对微博短文本检索的相关技术进行了深入的研究。本文结合了微博的显著特点,主要工作如下:(1)提出一种基于BTM和图论的微博检索模型为解决微博文本字符数少、特征稀疏,数据量大等特征带来的困难,本文提出一个基于微博标签的特征相似度计算、普通文本生成的BTM(bi-term topic model)模型主题相似度计算以及文本后面隐含结构的实体相似度计算的综合微博检索模型;模型从三个角度出发,首先利用微博特有话题标签hashtag的强特征性,有效检索出相关博文;其次从普通文本中生成BTM模型,解决短文本稀疏度、缺乏上下文问题;最后挖掘博文之间的实体关系图,求出微博之间的相似度关系。实验结果表明,该模型在MAP、准确率和召回率上明显优于原始模型,具有较优的检索性能。(2)改进频繁词集的微博查询扩展针对微博中长博文、文章、新闻等,本文构建了一种改进频繁词集的微博查询扩展模型。新模型从查询扩展的广度出发,使得查询词的扩展词选取范围可以覆盖更广,在频繁词集的基础上提出外联关系的概念,进一步加强词语间的关联,挖掘出更多的语义信息,考虑词语在不同类别的分布信息,融合信息增益以改变词语加权方式,使得词语在文档集中的类别信息能有效地保留下来,由频繁词集构造词语相似性矩阵,并利用非负矩阵分解技术将其扩展至短文本空间,较好地解决了微博文本维稀疏的问题。实验结果表明,该模型在Purity及F值两项指标上明显优于原始模型,证明了该方法的有效性。