本文针对搜索引擎相关性排序中的三方面技术进行了系统的研究:链接分析,段落检索和相关反馈,它们分别从不同的角度来改进相关性排序结果。主要创新工作和成果如下:第一,提出PageRank链接分析算法的存储优化方法。基于链接分析的PageRank算法需要计算网络所有结点的网页重要性分数,即PageRank值,因而网页结点的合理存储是该算法顺利运行的关键,本文通过数学推导以及利用稀疏矩阵的特点将算法空间复杂度由O(n^2)降至O(n),同时大大提高了算法迭代效率。第二,提出段落检索与全文检索相结合的排序方法。以段落为粒度索引的排序方法能够有效的提高检索的准确率,但会使得召回率有所下降,为了减轻召回率的损失,提出将段落权重和全文权重相结合的排序方法,结果使得准确率得以提高,同时确保了召回率。第三,实验分析Rocchio相关反馈算法在应用中的优劣势。Rocchio是经典的基于向量空间模型的相关反馈算法,本文通过实验分析了其在改进排序结果上的有效性以及算法的优劣势。