随着石墨烯相关技术的发展,科研人员发表的相关文献数量呈现指数级增长。首先,面对大量的科研文献,找到一篇合适的文献对于科研人员而言十分困难;其次,文献质量参差不齐,快速的挑选出高质量文献是科研人员急切盼望的;同时,石墨烯的相关数据又分布在不同的网站中,查找起来也十分困难,需要将其整合起来,节约相关科研人员的查询时间;最后,科研人员也需要了解石墨烯制备方法的演变过程,要对其进行分类溯源。针对这些问题,本课题与国家石墨烯产品质量监督检验中心合作,开发出一套具有石墨烯文献检索功能、石墨烯文献分类功能的石墨烯数据信息管理系统。本文将采用全文检索技术Lucene实现石墨烯文献的快速检索以及利用相关的浅层机器学习、深度学习算法来对石墨烯文献进行分类,主要研究工作如下:首先,优化Lucene的检索结果算法,使其检索结果与文献质量相关。本文在研究现有搜索引擎的检索排序算法后,提出了一种文献质量计算算法,并将其与Lucene默认相关度算法相结合,从而提高其在检索石墨烯相关文献时的准确度,提供更客观公正的文献检索结果。然后,为了实现石墨烯文献的分类功能,本文研究了现有的基于浅层机器学习和深度学习的相关技术,并在其基础上,对特征选择算法进行了相关优化,并在不同分类算法上应用该新算法并比较最终的分类准确率,选择适合本文的分类算法。最后为了将以上功能开放给科研人员使用,本文最终设计了一个石墨烯信息管理系统,用于搭载该文献检索系统和文献分类系统,同时设计了大数据存储系统用于存储大量的文献资料。实验结果表明,本文提出的文献质量算法真实有效,提出的Lucene三次优化算法提高了检索结果的总质量,本文优化的文本分类算法提高了文本分类的准确率,本文使用的大数据存储系统有效的解决了大量论文存储和访问的问题,本文创建的石墨烯信息管理系统有效的提高了科研人员的工作效率。