伴随着目前信息时代的飞速扩张发展,信息资源,数据资源是一切的根本,信息检索的使用范围越来越庞大且不可或缺。检索系统可以解决传统的搜索方法中部分错查,误查,漏查,无法给用户提供针对性的检索服务等问题。为了可以针对公司内部数据和内部员工提供更加个性化的检索服务,可以缓解检索效果不佳所带给用户的不便,减少用户的检索耗时,提升用户的使用体验,设计并实现了检索系统。系统在离线段,首先从网络上爬取,收集金融、保险领域的文本数据并进行清洗、标注,训练得到分词模型,命名实体识别模型和关键词提取模型,并训练出词向量模型。然后使用之前的搜索记录训练用户意图识别模型。并且根据每次的搜索结果,计算资源和用户的相关性得分。同时根据内容的热度、质量、评价、上传时间等多个维度对资源质量进行打分排序,构建倒排索引表。系统在在线端,根据用户输入的文本,通过图神经网络模型得到分词结果,命名实体结果,关键词结果。将分词结果转为词向量表示,结合命名实体结果和关键词结果,输入长短期记忆网络得到用户意图偏好。最后根据命名实体结果和关键词结果得到初步的候选结果,然后按照用户意图和资源相关性得分,对候选结果进行重排序,展示最终结果,实现检索系统的在线功能。检索系统实现了自然语言处理模块,离线评分模块和资源排序模块,并且在功能测试和性能测试方面均达到了设计要求,可以对公司内部人员,提供更加具有针对性,个性化的检索服务。图神经网络模型相比较于传统的双向长短期记忆网络加条件随机场的模型,在分词,命名实体识别和关键词提取上整体的精确率,召回率和F1值都有着2到3个百分点的提升。检索系统返回结果的精确率在90.21%,召回率在89.08%,F1值在89.64%。