为了提高检索性能，先前的FAQ检索系统利用了高水平的知识基准和手工控制，但是当应用领域有所变化时，构建这样的知识基准和规则是一项费时费力的工作。为了解决这个问题，韩国的研究人员提出了一个利用查询日志作为知识来源的高性能FAQ检索系统。该系统全称为Faq Retrieval And Clustering Technique（FRACT），它包含了两个子系统：一个查询
日志聚类系统和一个基于聚类的检索系统。聚类系统定期收集和精炼
用户的查询日志，然后将每个FAQ 作为独立的类别，并通过语义空间中向量相似度测量把查询日志分到各个FAQ类别里去。在分类的基础上，查询日志聚类系统将查询日志进行聚类并计算每个查询日志簇的质心。当用户输入查询时，基于聚类的检索系统通过查询日志簇来计算查询和FAQ 之间的相似性，根据计算出的相似性，检索系统将有关的FAQ 进行排列并返回一个列表。在标引的时候，该系统通过潜在的语义分析，利用分类技术有效地聚类用户查询日志；在检索时，该系统利用查询日志簇使得FAQ 查询更加顺畅。研究人员还将这个系统应用到实际中进行了试验，通过不同的实验，他们发现该系统可以减少短文章检索中的词汇争论问题，在FAQ 检索方面，该系统的性能也优于其他传统
信息检索系统，此外，由于仅仅采用数据驱动的方法而不用高层次知识源，该系统要比早先的 FAQ 检索系统更加实际和可靠。例如图书馆在长期服务实践和读者调查的基础上，将读者常问的或者常见的一些问题及其答案整理入库。建立问答系统，以方便用户查询。