1、Internet技術的普及與發(fā)展使得國際互聯網日益成為當今信息資源最為豐富的計算機網絡，如何在互聯網上快速有效地搜索出所需要資源已成為人們普遍關心的問題之一。要實現信息的檢索首先需要將互聯網上的文檔信息與用戶檢索要求相比較，然后將滿足用戶要求的文檔呈現給用戶。在信息檢索中文檔信息在計算機中是用文檔特征來描述的，如何準確地表達文檔特征是信息檢索過程中的基礎。文檔特征表示是文本檢索領域研究的最重要的問題之一，它決定著文檔的分類與聚合，也最終

2、決定著文本檢索系統(tǒng)對用戶查詢的反應能力(查全率、查準率)。 信息檢索技術正朝著個性化、智能化的方向發(fā)展，個性與智能的信息檢索根據用戶的檢索要求將信息查詢結果反饋給用戶。本文分析了信息檢索中傳統(tǒng)文檔特征表示的布爾邏輯模型和向量空間模型的優(yōu)缺點：布爾邏輯模型雖機制簡單、容易實現，但是它的分類能力有限且邏輯表達式過于嚴格；向量空間模型將文檔映射到連續(xù)域向量空間，為進一步的權重計算等多元處理提供了基礎，但容易忽略文檔集合中各個文檔的一

3、些共有特征。本文在向量空間模型知識的基礎上分析了使用人工神經網絡計算文檔特征項權重的可行性；利用人工神經網絡對樣本集進行學習的功能、函數逼近功能、人工神經網絡的泛化能力以及文檔中各詞語的Zipf詞頻-詞序關系，在人工神經網絡的輸入端輸入各詞語的頻率，通過對人工神經網絡進行訓練、調整神經網絡權值和閾值來優(yōu)化網絡，最后由神經網絡輸出端獲得文檔特征項的權重。 群體智能是一種在自然界生物群體所表現出的智能現象啟發(fā)下提出的人工智能模式，

4、是對簡單生物群體的智能涌現現象的具體模式研究，模擬鳥群運動的微粒群算法是群體智能的典型實現模式之一。本文分析了用微粒群算法進行人工神經網絡訓練的原理：人工神經網絡的均方誤差作為微粒群算法的適應函數，并將人工神經網絡的連接權值和閾值與微粒群中的微粒進行向量空間映射。本文采用BP學習算法和微粒群優(yōu)化算法對相同結構人工神經網絡進行訓練，由仿真結果可知微粒群優(yōu)化算法訓練的神經網絡在對文檔特征項權重的仿真輸出較BP學習算法仿真輸出精確，該方法切實