向量空间模型是最常用的信息检索模型，它根据词频来计算文档之间的相关度，这种方法虽然能够满足用户的基本检索需求，但是对于检索要求较高的用户，其效果仍然不甚理想。文中在向量空间模型的基础上，首先通过领域本体和上层本体来计算特征词项之间的相似度，据此得出与查询词相关的词，在求词项频率和逆文档频率时考虑这些词，然后引入了词序相关度和词语相邻相关度这两个概念，把特征项的位置关系也考虑进来。实验结果表明，文中提出的模型相比原始向量空间模型，在准确率上有了较大的改善。这完全说明，与原始向量空间模型相比，文中提出的检索模型不仅考虑了与原有词项具有相似语义的词项，而且还考虑了词项顺序和词项相邻信息，从而更能符合用户的检索要求。