大数据时代社交网络、移动互联网、物联网等领域每天都会产生海量数据,数据的爆炸式增长导致了信息过载,同时也改变了用户的信息需求,从原来的文本信息过渡到现在的实体信息,相应地产生了实体搜索。不同于文档搜索,实体搜索旨在从多源异构数据中找出特定实体对象,对搜索质量的要求更加严格。传统的查询扩展方法能够提高文档搜索质量,但存在扩展项来源有限、扩展效率低和查询漂移问题,影响了查询扩展性能,不完全适用于实体搜索。针对上述问题,提出了一种面向实体搜索的语义查询扩展方法。在索引阶段,该方法通过构建分层的语义索引来存储异构信息并支持关联项的快速获取;在查询扩展阶段,基于建立的语义索引采用不同的扩展项生成方法和选取策略来获取结构化和非结构化扩展项,然后利用扩展项之间的关联性进行扩展项优化;最后,针对不同类型的扩展查询结果使用组合概率模型进行合并排序得到最终结果。该方法结合扩展项的特征并充分利用语义索引的高效性和不同查询扩展方法的优点,在保证查询扩展效率的同时提高了查询扩展效果,并且有效避免了查询漂移问题。为了验证语义查询扩展方法的性能,在ClueWeb09 Category B采样得到的数据集上进行了性能测试。实验结果表明提出的语义查询扩展方法在保证查询效率的前提下能够有效提高实体搜索的性能并缓解查询漂移问题。