航天技术的飞速发展累积了大量的航天情报信息,这对情报管理工作提出了更高的要求,传统的人工管理方式已经不能满足需求,为了更加科学地对航天情报进行管理,充分挖掘和利用好情报中的潜在价值,本文完成了航天情报系统的设计和开发。系统除了具有高效的情报管理和情报检索功能外,还将各类情报中的数据关联起来,同时提供了个性化统计功能和全方位的数据可视化服务。为了满足用户需求和提高用户体验,本文还详细研究了搜索引擎的中文检索纠错技术并应用到系统中。在用户进行检索的过程中,可能会因为输入错误而检索不到想要的结果,检索纠错技术就是对错误输入进行纠正,然后返回纠正的结果进行检索,将尽可能正确的内容呈现给用户,提高检索容错率。目前中文纠错方法分为基于字典的方法和基于统计的方法,基于字典的方法很难适应现在飞速变化的信息环境,而单纯地利用一种纠错方法很难应对搜索引擎中出现的各种各样的输入错误,因此本文通过对日志信息的分析总结出了常见的几种错误类型,并针对这些错误类型设计了一整套基于统计的中文检索纠错方法。本文提出的纠错方法主要思想是利用隐马尔可夫模型和编辑距离法共同确定候选集,然后通过多策略评估模型来解决候选集筛选问题,最终选出最优纠错结果。候选集的确定分为两个部分,一部分是利用隐马尔可夫模型,然后通过维特比算法得到的,这部分针对的是同音错误;另一部分是利用编辑距离法求出的,这一部分针对的是多字、少字、别字和顺序调换错误。这样候选集中的候选数据就涵盖了多种常见输入错误类型。本文提出的多策略评估模型综合考虑了候选数据的字符串质量、概率和点互信息特征,这些评估要素对于判断字符串的好坏都有一定的参考意义,其中字符串质量与关键词的检索次数和点击率密切相关,字符串概率可以衡量候选数据是否符合汉语语言习惯,点间互信息反映出候选数据中各个关键词之间的相关程度。本文通过实验为这些评估要素分配了权重,建立了多策略评估模型。本文提出的纠错方法所依赖的语料是从搜索引擎日志中提取的,保证了训练集、测试集等数据的真实性。除此之外,本文设计的纠错方法还针对航天情报系统做出了流程改进。例如提出了对汉字和编号分开处理的思想,减小了纠错难度;快速纠错步骤的加入缩短了平均纠错时间,提高了纠错准确率;纠错判断步骤的提出减少了纠错工作量,提高了检索效率。本文提出的纠错方法取得了不错的纠错效果,在实验中对比几种传统的纠错方法在准确率和F1值方面都有明显提升,验证了该方法的可用性。