信息检索 (IR) 中的查询是用户提供的输入，代表了他们的信息需求，指示系统检索相关的数据或文档。 从技术上讲，查询是 IR 系统处理的结构化或非结构化请求，以与索引内容进行匹配。 例如，当用户在搜索引擎中键入“如何优化 SQL 查询”时，他们输入的文本就是查询。 此输入作为系统扫描其数据库、对结果进行排名并返回与查询意图最匹配的项的基础。 查询范围可以从简单的关键字搜索到带有运算符（例如，AND、OR 或用于精确短语的引号）的复杂表达式，具体取决于系统的功能。
当处理查询时，IR 系统通常会将其分解为诸如术语或短语之类的组件，应用标准化（例如，小写、词干提取），并将它们与倒排索引进行匹配——倒排索引是一种将术语映射到其在文档中的位置的数据结构。 例如，查询“机器学习应用”可能会被标记化为 ["machine", "learning", “applications”]，词干提取为 ["machin", "learn", “applic”]，并使用 TF-IDF 或 BM25 等评分算法与索引文档进行比较。 这些算法优先考虑术语出现频率较高 (TF) 但在整个语料库中不太常见的文档 (IDF)。 高级系统还可以处理语义相似性，其中像“人工智能在医疗保健中的应用”这样的查询可以通过基于嵌入的模型来匹配包含“医学机器学习”的文档。
对于开发人员而言，实现查询处理涉及到设计系统来解析、规范化和有效地匹配用户输入。 Elasticsearch 或 Apache Lucene 等工具提供了查询 DSL（领域特定语言）来构造请求。 例如，Elasticsearch 使用基于 JSON 的查询，如 {"match": {"content": "error logging techniques"}} 来搜索特定字段。 开发人员还必须优化查询的性能——例如缓存频繁的请求——并解决诸如歧义术语（例如，“Python”指的是该语言或动物）之类的挑战。 实际的考虑因素包括支持运算符（例如，+ 用于必需的术语），通过模糊匹配处理拼写错误，以及利用 API 将 IR 功能集成到应用程序中。 了解这些要素可确保查询有效地转化为准确、快速的结果。