社交网络是互联网上与其他人相联系的一个平台,已经成为网络时代的一个重要标签。通过社交网络,用户可以即时的分享文字、图片、音频和视频,其使消息的传递呈指数级增长。因为其具备及时性、共享性、交互性等特点,社交网络深入人们生活的各个方面,并已经成为人们获取信息的一个重要的来源。据调查,全球80%的网民都在使用社交网络,每分钟互联网上都会产生海量的社交网络数据。面对大量的社交网络数据,有效的对其进行检索、定位出符合用户期望的数据是十分重要的。传统的检索排序模式,利用检索关键字出现的频度与位置对检索结果进行打分,表示检索结果与查询词的相关度,并将多条检索结果按照这个相关度递减排序返回给用户。但是社交网络数据具备一些不同于传统数据的特点,例如其具备时间属性、传播度等,这些附属信息会影响数据的价值,但并没有在检索排序中被考虑进来。同时,检索用户真实意图的分析一直是检索排序系统的一个研究热点,如何从相同的检索关键词中分析出用户真实意图,从而给出更加符合用户意图的检索排序结果,这是实现高效检索系统的关键。最后,针对不同的系统应用服务,不同类别的数据也体现出不同的价值,在金融检索系统中,分类为金融相关的检索结果应该被认为具有更高的价值,这点也需要被考虑到。本文首先阐述了论文的研究背景,介绍了社交网络和数据检索的相关知识,概要描述信息检索和数据处理、存储的相关技术。接着对主要检索排序算法进行分析,并着重分析了社交网络数据的特点。基于以上两点,本文对社交网络数据检索排序进行了需求分析,并提出一种多维度检索排序优化算法,从数据特点、用户意图和应用特点三个维度对原始检索排序结果进行优化。最后本文基于金融微博数据对此优化算法进行了实现,详细介绍了算法实现的基本架构以及关键模块的设计,并进行了相关的测试和分析。