随着计算机的普及和互联网的飞速发展,互联网上的信息资源数量正呈爆炸性的增长,用户从互联网上获取信息资源也日渐成为主要的信息交流渠道。但互联网上的信息资源良莠不齐,且只定位资源的地址不定位资源的内容,用户通过搜索引擎获得的通常是大量的、无序的、无关的信息。为了提高信息资源查询的效率,对信息资源内容进行多维度标引,实现统一内容定位的需求越来越强烈。本文的研究工作就是围绕信息资源的多维度标引方法而展开的,从最简单的文本入手研究自动标引的方法,主要研究以下三个问题:一是研究具有较高效率的自动分词方法;二是研究较准确权重加权统计分词方法:三是研究提高潜在语义标引模型检索效果的改进方法。针对第一个问题,本文对现有的基于机械匹配分词的经典算法进行分析,结合中的最大正向匹配法、逐字遍历法和首字索引法,定义了逐字逐词遍历分词方法,并通过实验验证逐字逐词遍历分法在词的切分速度较优。针对第二个问题,本文将词频与词所在的位置作为加权因素,定义了词频词位非线性统计加权方法,通过该方法赋予词在文本中相应的权重值,并通过实验验证词频词位非线性统计方法能够取得较好的标引结果准确率。针对第三个问题,本文对潜在语义标引模型的建立进行研究后,在加权处理过程中采用词频词位非线性加权函数作为局部加权函数,并通过实验证实改进后的潜在语义标引模型能够得到更准确的检索结果。