Internet技术的普及与发展使得国际互联网日益成为当今信息资源最为丰富的计算机网络,如何在互联网上快速有效地搜索出所需要资源已成为人们普遍关心的问题之一。要实现信息的检索首先需要将互联网上的文档信息与用户检索要求相比较,然后将满足用户要求的文档呈现给用户。在信息检索中文档信息在计算机中是用文档特征来描述的,如何准确地表达文档特征是信息检索过程中的基础。文档特征表示是文本检索领域研究的最重要的问题之一,它决定着文档的分类与聚合,也最终决定着文本检索系统对用户查询的反应能力(查全率、查准率)。信息检索技术正朝着个性化、智能化的方向发展,个性与智能的信息检索根据用户的检索要求将信息查询结果反馈给用户。本文分析了信息检索中传统文档特征表示的布尔逻辑模型和向量空间模型的优缺点:布尔逻辑模型虽机制简单、容易实现,但是它的分类能力有限且逻辑表达式过于严格;向量空间模型将文档映射到连续域向量空间,为进一步的权重计算等多元处理提供了基础,但容易忽略文档集合中各个文档的一些共有特征。本文在向量空间模型知识的基础上分析了使用人工神经网络计算文档特征项权重的可行性:利用人工神经网络对样本集进行学习的功能、函数逼近功能、人工神经网络的泛化能力以及文档中各词语的Zipf词频-词序关系,在人工神经网络的输入端输入各词语的频率,通过对人工神经网络进行训练、调整神经网络权值和阈值来优化网络,最后由神经网络输出端获得文档特征项的权重。