随着互联网的飞速发展,中国网民的急剧增加,互联网上的信息规模正不断扩大。目前,中国网民数量已达到4.3亿。互联网作为一个庞大的信息资源,能给更多的人提供丰富的信息。然而面对庞大的信息,用户如何才能迅速的找到自己想要的信息?为了解决这一问题,搜索引擎得到了飞速发展,成为人们获取信息的重要途径。文本检索技术是搜索引擎的基础。文本检索的基本任务就是根据用户输入的查询,在给定的文本集合里找到一个与用户查询相关的子集。基于主题的文本检索是指把用户给定的主题作为搜索条件,该主题不限制领域。本论文意在研究一种更为有效的文本检索方法,实现通过用户输入的查询主题返回较为准确的检索结果。为了提高检索的准确性,本文从句子的角度出发,基于主题词检索技术,给出了一种有效的适用于句子的检索模型。首先对普通文本进行基本的分词,POS等预处理,通过查询扩展的方法丰富用户语义,提取检索的主题词,建立相关性判别模型,通过对模型的训练不断优化检索结果,将查询扩展方法与语言模型方法很好的结合在一起,给出了一种有效的检索方法,并将该方法与目前应用很广的基于Lucene的检索结果做了对比实验,实验表明了该方法有效性。此外,本文对询问原因的主题进行了具体分析,给出了一种简单有效的抽取原因方法。通过该课题的实验结果进行分析,可以得出以下结论：一些基于文本的检索方法同样适用于句子级的检索；查询扩展的方法可以优化检索结果；对于基于语言模型的检索方法,一元扩展词与二元扩展词结合效果更好；Lucene适用于大规模的语料,倒排索引检索效率更高；采用原因指示词的方法可以很好的识别原因,但对于隐含的原因则表现较差。