随着信息时代的到来，人们需要处理的数据飞速增长，大量的数据要进行存储与检索。数据不但占用海量的存储空间，而且对其检索也需花费大量的时间与空间。目前针对文本文件压缩和检索的研究已经受到大家的关注。 文本压缩的主要作用是方便海量数据的存储和传输，所以压缩时间和压缩空间效率(包括压缩过程中的过渡空间与最终压缩空间)是文本压缩研究领域的关注点。同时，如何在全文索引中引入压缩也是当前的研究热潮。基于以上考虑，本文研究了文本压缩模型，并且将其与全文检索结合起来。 本文讨论并比较了现有的流行的文本压缩模型和检索模型，介绍了一种新型的全文数据库的数据模型——互关联后继树(文中简称为工RST)，并用此模型来进行文本压缩。互关联后继树是一种集存储、检索、数据挖掘和文本压缩的统一模型，具有广泛的应用前景，目前已得到国家自然科学基金项目的支持。为了实现有效的压缩，本文针对各种不同的需要给出了不同的数据结构。因为互关联后继树具有快速查询、快速原文生成、小膨胀比等优点，基于互关联后继树的文本压缩具有较好的压缩率和压缩时间效率。本文还通过改进互关联后继树的结构，将互关联后继树的全文检索与压缩功能合二为一，进一步减少互关联后继树索引占用的空间，适用于当今呈指数增长的海量非结构化信息的存储和检索。 实验数据表明本文的压缩算法可以与Lzw算法相媲美；在不影响检索速度的前提下，索引压缩能有效地减少膨胀比。本文在讨论各种算法时，配有具体的算法分析和实验结果分析。