在当今网络时代,互联网早已成为名符其实的最快捷、最方便、传播面最为广泛的新闻信息传播媒介。网络新闻具有信息量大、即时性强、增长快速等特点,而单位与个人所关注的新闻则具有主题性强、时变性弱等特点。研究如何从海量的、动态的网络信息中,自动识别出用户长期关心的专项主题信息,主动为用户提供感兴趣的信息服务,具有重要的社会意义和实际应用价值。本文针对自动构建企业门户网站的新闻栏目等专项应用,在研究网络新闻自动识别与检索等相关技术的基础上,采用元搜索引擎系统架构,结合分布式信息检索/融合、基于内容的文本分类识别、领域本体处理等智能信息处理技术,设计并实现了一套专项主题新闻自动检索系统。主要工作与贡献如下:1.研究了元搜索引擎实现的相关技术,并重点研究了其中融合排序这一关键技术环节,提出了一种利用粒子群算法优化多源检索融合排序结果的方法,并通过一组科技文献检索的相关试验,验证了该算法的有效性。目前,该算法已被应用到本文目标系统中,作为其中的一个重要模块。2.通过大量算法实验,深入研究和分析了利用SVM进行文本分类和主题识别应用时,有关文本特征、核函数等有效选择与处理方面的一些关键技术问题。相关试验表明,当使用互信息(IM)算法选择特征项在4000左右、设定SVM的核函数为SIGMOID时,新闻文本的识别准确率在97%以上。这部分研究成果,现都已融合应用到本文的目标系统中。3.设计并实现了一套专项主题新闻自动检索系统。该系统可基于用户提供的主题关键词和主题样本语料库工作。通过使用主体领域本体库,对用户给定的主题关键词进行查询语义扩展后,提交元搜索引擎机构进行主题新闻采集和融合等处理,所产生的结果经进一步的主题识别过滤后,主动推送给客户。目前,关于目标系统的主体框架及原型搭建已基本完成,部分核心模块已可正常执行。