资源共享、提高学习效率是在线学习平台的重要目的。平台学习资料的逐年累积,需要能在海量学习资料中快速准确的检索出有用信息。针对传统全文检索系统内容匹配生硬、长文本检索结果难以快速阅读筛选等问题。本文提出基于倒排索引的Elasticsearch结合检索关键词语义信息的全文检索方法,并对长文本检索内容生成文本摘要。将其应用到在线学习平台,设计实现聚合搜索子系统。首先,针对传统全文检索查找效率低下、检索内容生硬匹配的问题,提出了基于倒排索引的Elasticsearch结合上下文语义信息的全文检索方法。本文采用IK Analyzer中文分词器替换Elasticsearch中内置分词器Standard。针对Elasticsearch不支持语义检索的问题,本文在Elasticsearch分词检索基础上,利用How Net知识库将其扩展到语义级别的检索。实验表明,语义级别的全文检索不仅提高了检索效率,更能提供更加全面的检索结果。其次,针对长文本检索结果难以快速阅读筛选的问题,提出了基于LDA主题模型的文档图模型,用于生成文本摘要。为了提高生成文本摘要的准确性,本文通过句子语义相似度计算,对Text Rank算法进行了改进。然后通过对改进的Text Rank算法提取的关键句迭代打分的方式,选择出得分高的句子节点,根据其在原文中的先后顺序排列形成文摘。实验证明,本文方法相比于TF-IDF算法、基于词共现的Text Rank算法、基于Word2vec句子相似度计算的Text Rank算法,在召回率、精度和F值方面均表现更好,生成的文本摘要质量有明显的改进。最后,将上述方法应用到在线学习平台,设计并实现聚合搜索子系统。帮助用户快速准确的检索资料,针对长文本为其提供文本摘要,帮助快速筛选检索结果。