随着计算机的快速发展和数据时代的到来,人们对数据的准确性要求越来越高。得到更精准、噪音更少的数据,是实现精准的数据分析的关键。对大量数据实现快速检索成为数据处理的基本要求,反应快速、延迟小的系统更加符合人们的需求。本文以科研资料信息挖掘系统为背景,结合具体业务需求,分析了当前文本相似度、文本关键词抽取、全文检索技术的研究现状,完成了科研文献信息抽取和检索分析子系统。作为科研资料信息挖掘系统下的子系统,本系统完成了信息抽取的方案设计、文本关键词抽取、文本之间的相似度比较以及全文检索技术地实现。信息抽取采用POI对科研文档进行读取,通过对文本的解析,分析出课题的必要属性信息,使用计算文本综合权重的方法对Text Tank算法进行改进,使其进行文本的关键词抽取。全文检索子系统利用专有的检索词库确定检索目标,检索词库通过计算机专业词汇、课题领域、课题关键词组成,采用了针对专有检索词库的双向最大匹配分词算法;通过对文档建立倒排索引来优化查询结构,降低全文检索时间;使用BM25概率模型进行相关度排序,按相关度高低的顺序将课题信息呈现在用户面前。系统还使用内存数据库Redis存储课题领域、课题方向、关键技术、检索词库、倒排索引表的信息。最后,经过实际的测试,证明了本系统可以完成自动化的信息抽取,以及快速的完成全文检索功能,符合用户的功能需求与性能需求,整个系统可以投入使用。