以人工检索与判别为主的传统科技查新存在两个不足，第一严重依赖“人力”和专家资源，在科技发展速度不断加快，科技查新业务爆炸性增长的今天，传统方式难以应对海量业务;第二，科技查新并非简单的文献检索问题，科技查新数据有其独特的内部和外部特征。同时人工智能技术取得了长足发展，利用机器学习技术对科技查新流程进行更新和升级，有其必要性和紧迫性。
　　由于科技查新是以文献检索为基础，对检索结果综合分析并进行新颖性判断的一项活动，本文将科技查新过程中的信息处理方式从传统的信息检索转化为相关性判断，结合科技查新的数据特征，提出基于条件随机场的相关文档探测方法，在此过程中，除了传统的文本相似度以外，本文将共现词汇及其数量、同义词近义词、词汇主题聚类、词向量词典等特征纳入条件随机场模型，来研究探索预测相关文献的各个影响因素及其特征权重。
　　最后，通过本文的实验发现，本文提出的相关文档探测方法取得了较好的效果，与查新员的对比实验中有明显的优势;同时在相关文献判断时，发现专业化程度较高的术语其作用愈发重要，相反传统的文本相似度，在该过程中贡献度居中，这也启发我们一是纳入更多领域知识，二是集成其他类型信息，比如引文信息、分类信息，来提升自动化科技查新效果。