网络信息资源评价是当前网络信息资源系统管理研究的热点之一,本文尝试从定性和定量两个方面,并结合神经网络模型,提出一套基于神经网络的网络信息资源评价体系,为用户提供更有效的网络信息资源服务。本文首先分析网络信息资源评价研究的国内外现状,根据评价的原则和标准,提出了定性和定量相结合的综合评价指标体系,设计了16项评价指标。然后,本文将神经网络技术应用于网络信息资源评价指标体系,着重分析了BPNN (back propagation neural network)的结构、BP算法思想、流程等。同时针对传统BP算法也存在诸如收敛速度慢、易陷入局部极小点、隐含层层数和节点数等问题,提出自己的解决方案。本文通过测试和比较几种改进的方法后,最终决定采用单隐层的三层BP网络模型,并用Levenberg-Marquardt法对BP网络进行优化。最后,对建立起来的基于BPNN网络信息资源评价模型,我们采用MATLAB软件进行仿真实验。与传统的网络信息资源评价统计方法对比,实验结果表明该模型在评价分类的识别率、系统耗时、拟合精度等方面都有一定优势,表明设计的模型有效性。