传统信息检索方式下,由于信息资源缺少统一的语义描述,用户难以查找到与需求相关的资源,难以实现信息资源的语义共享。如何使被管理信息资源具有应用程序可以理解的含义,并根据信息资源所具有的领域知识,实现信息资源的语义检索,提高数字化信息资源的利用率,这些问题是信息检索领域所面临的挑战。语义万维网(Semantic Web)是万维网发明人Tim Berners-Lee倡导的下一代万维网,旨在赋予万维网上所有资源唯一的标识,并在资源之间建立起机器可处理的各类语义联系。语义万维网是对当代万维网的扩展和延伸,能够以一种明确的、形式化的方式表示信息资源,提高异构系统之间的互操作性,促进知识共享。Ontology在Web上的应用导致了语义Web的诞生,其目的是解决Web上信息共享时的语义问题。Ontology,作为一种能在语义和知识层次上描述信息系统的概念模型的建模工具,在提出后迅速成为信息系统与人工智能领域的一个研究热点。并在许多领域得到了广泛的应用,特别是在信息检索领域,Ontology提供了一种对信息和知识进行规范化描述和建模的方法,在构建智能化的检索系统方面有很重要的意义。本文对智能信息检索模型中所涉及的若干关键技术进行了深入的分析研究,提出了有效的解决方案,为智能检索实验系统的顺利实施奠定了良好的基础,这些关键技术主要包括:领域本体的构建、关联搜索、结果排序、减少响应时间和语义门户等。本文最后在理论分析的基础上,具体介绍了这些关键技术在理论和实际设计中实现的情况。