随着信息检索技术的发展，用户的需求也更加多样化，传统的信息检索越来越不能满足用户的需求。搜索技术发展趋向于个性化、智能化、精准化。本文的研究，专家搜索是一个比较新的研究方向。专家搜索的任务是解决“谁是话题(topic)X的专家”这个问题。用户给定一个查询，专家搜索系统返回具有这个专业技能或者与此专业领域最相关的专家。　　 专家搜索研究是一个综合性的研究，综合运用了多种信息检索技术，例如网页检索、信息过滤、命名实体识别、自动摘要、相关反馈、查询扩展等。专家搜索又是一个具有启发性的新颖问题，我们希望通过分析专家搜索的本质特点，探索出新的专家搜索模型和方法，从而促进信息检索领域的发展。　　 专家搜索研究的目的是满足用户在大量数据中查找专家的需要。本文在对专家搜索的几种模型进行了深入的研究和对比之后，提出反映文档与候选人之间的关联关系的关系网络，并提出一种新的专家搜索模型——基于关系网络的专家搜索，通过实验证实提高了原有专家搜索的结果。同时分析了相关反馈在专家搜索中的应用，尝试和借鉴了多种传统信息检索中使用的方法，并对这些方法进行了改进。搭建了一个TREC评测系统，得到了很好的实验结果。