随着互联网用户和规模爆炸式增长,如何让用户更快捷的搜索到需要的信息成了学术界和搜索引擎公司共同关注的问题。搜索引擎上用户查询的形式是多种多样的,如何正确的分析查询是理解用户意图、帮助用户得到信息的关键,有广泛的应用前景和重要的地位,是目前研究的热点。用户查询日志记录着所有搜索引擎用户的查询和点击行为,是分析用户行为、改进搜索结果最有效的数据资源。本文应用中文搜索引擎的查询日志,重点研究了基于查询日志的问句自动生成和查询压缩方法,主要内容如下:第一,基于互动类问答知识库的中文查询问句自动生成。互动类问答知识库的出现为用户提供了获得高质量知识的途径,用户可以在上面提问、回答和评价他人对问题的答案。为改进互动类问答知识库的搜索并扩大其问题的数量,我们提出了一种问句自动生成的方法,该方法从用户查询日志中挖取问句模版,建立查询到模板的评分机制,当查询到来时找到与之最相关的模板,并将该查询嵌入模板中。实验结果显示我们的方法的1-best准确率为67%,比互动类问答知识库百度知道的搜索算法效果更好。第二,基于用户查询日志中文查询压缩。互联网搜索引擎的查询有越来越长的趋势,并且长查询由于含有冗余信息搜索结果相对不佳,为此我们研究长查询压缩技术。将长查询分词,利用有监督机器学习的方法以词为单位判断这个词是否为查询中的关键成分。分别采用基于支持向量机的分类方法和基于条件随机域模型的序列化标注方法,实验对比两种方法的结果,序列化标注方法的效果更好。同时,通过分析不同特征对关键成分识别的影响,增加了新的有效特征,改进查询压缩的效果。