搜索引擎旨在帮助用户有效的获取信息。现有的搜索引擎，存在精度不高，查全率偏低的缺点，迫切需要新的搜索模型的出现，语义搜索就是尝试之一。　　 鉴于已有语义搜索模型存在的问题，本文提出了一种改进的语义搜索模型。整个模型包括数据获取和处理、用户查询理解和扩展、搜索和排序三个部分。数据获取和处理模块负责从互联网中获取数据，通过挖掘分析，抽取出语义明确的对象信息；用户查询理解模块是对用户输入的关键词进行理解，并利用本体进行查询扩展；搜索和排序模块负责根据扩展后的词，在对象库中进行搜索，搜索结果根据相似度和重要性进行排序。　　 本体在语义搜索中地位显著，为查询理解和扩展提供根据，为数据分析处理提供支持，所以构建领域本体是语义搜索的核心内容。手工构建本体，不仅费时费力，而且更新缓慢，迫切需要自动或半自动构建本体的方法。本文提出了基于Wikipedia的本体学习(OLBW)算法，从语料库中自动获取领域的概念和概念之间关系，主要包括同义关系和上下位关系。该方法分语料库构建、术语发现、核心本体构建、本体扩充四个阶段。首先通过构建网络爬虫(Crawler)，从数字化图书馆中抓取特定领域的相关网页信息，构建语料库；然后通过浅层句法分析，从语料库中自动获取领域术语：接着利用Wikipedia中分类(Category)信息构建核心本体；最后基于概念间的语义距离和共现分析，利用机器学习方法对杨心本体中的术语和关系进行扩充，完成本体构建。实验结果表明，该方法可以产生高质量的领域本体。　　 本文基于提出的语义搜索模型，设计和开发了学术领域的语义搜索引擎(Academic SemanticSearch，ASS)，主要功能包括：实体搜索；趋势搜索；热门子技术查询。实体搜索是指搜索技术领域相关的论文、专利、项目、研究人员、研究机构信息；趋势搜索是指搜索技术领域的发展趋势；热门子技术查询是指搜索技术领域中子领域的热门统计情况。