چکیده: امروزه یکی از پرکاربردترین و محبوب ترین منابع برای کسب اطلاعات تار جهان گستر وب است. وب مجموعه بسیار بزرگی از انواع مختلف داده های بدون ساختار است که دائما در حال تغییر هستند. موتورهای جستجو به عنوان ابزاری برای دسترسی سریع و آسان به اطلاعات مورد نیاز برای کاربران بسیار مورد توجه قرار گرفته اند. گسترش روز افزون داده ها در وب و توسعه استفاده از آن لزوم بهبود موتورهای جستجو را به گونه ای که بتوانند نتایجی را بازگرداند که انطباق بیشتری با اطلاعات مورد نیاز کاربران را داشته باشند، دو چندان می کند. هرچه موتور جستجو بتواند با بازگردان نتایج دقیق تر رضایت کاربران را بیشتر جلب کند، در رقابت با سایرین موفق تر خواهد بود. یکی از دلایلی که در هنگام جستجو در وب باعث بازگرداندن نتایج نه چندان مناسب و نارضایتی کاربران می شود درخواست ناکامل و نامناسب است که به دو دلیل ممکن است توسط کاربران صادر شود. یکی اینکه کاربر در جستجوی وب بی تجربه باشد و درک دقیقی از روند جستجو نداشته باشد و دیگری اینکه با کلمات کلیدی مناسب در حیطه مورد جستجو آشنا نباشد. یکی از راه حل هایی که برای حل این مشکل مطرح می شود توسعه درخواست است. رفتار کاربران متخصص، چه در حوزه جستجو در وب و چه در حوزه اطلاعاتی مورد جستجو می تواند راهنمای مناسبی برای اثبات مفید بودن توسعه درخواست باشد. در این پایان نامه با بهره گیری از چنین اطلاعاتی یک روش جدید برای توسعه درخواست پیشنهاد شده است که ترکیبی از دو تکنیک بازخورد ربط و Latent Semantic Analysis است که هر دو انطباق زیادی با رفتار انسانی دارند و در ضمن ترکیب آنها می تواند بخشی از ضعف های هر دو را ضمن بهره گیری از قدرت هایشان بپوشاند. روش ارائه شده بر اساس یک مجموعه آزمون از درخواستها که توسط کاربران شرکت کننده ارائه شده است و با قضاوت آنان در یک محیط واقعی یعنی موتور جستجوی گوگل مورد ارزیابی قرار گرفته است. نتایج این ارزیابی نشان می دهد که درخواستهای تولید شده توسط روش پیشنهادی نتایج را به میزان قابل توجهی بهبود می بخشد. روش پیشنهادی همچنین با روش Rocchio که یک استاندارد برای بازخورد ربط محسوب می شود مقایسه شده و طبق نتایج روش پیشنهادی به مراتب بهتر از Rocchio عمل می-کند.