我们研究工作的主要目的是为提高数字图书馆中检索系统的文档查询精度并实现细粒度检索.首先,我们提出了基于用户日志的查询扩展概率模型,以提高文档的整体检索精度.自动查询扩展是解决用户查询信息不足问题的有效方案.基于对大量用户查询日志的统计分析,我们提出了一种全新构建于对用户日志的挖掘之上的查询扩展概率模型.该模型利用贝叶斯方法建立用户查询用词与文档用词之间的统计概率关系,并利用这些关系选择和评价高质量的扩展用词.其次,我们的工作主要围绕结构化文档的细粒度检索展开.我们提出了针对结构化文档的层次化索引向上广播和裁剪机制,以及在该层次化模型之上的自适应检索模型,以实现对结构化文档中任意粒度的文档元素的查询.在该结构化索引的基础上,我们实现了结构化文档的自适应检索的原型系统.通过该系统,用户可以直接定位到与其查询相匹配的文档部分.同样,我们进行了一系列实验检验该索引模型和检索算法的有效性.