Web作为信息的发布与获取渠道给人们带来了巨大便利，与此同时，海量Web信息环境中人们获取有用信息的困难日益凸现，即所谓的“信息爆炸”与“信息湮没”现象并存。人们只能求助于Web信息检索工具——搜索引擎来获取web上的有用信息，然而实际效果却难以让人满意。 排序函数是信息检索系统的核心。排序函数以某种准则计算文档表示与用户查询表示的匹配程度，并据此对文档排序，最终返回一个有序的文档列表作为检索的结果。本文研究Web信息检索排序函数技术。 本文研究Web信息检索排序函数技术，研究的主要内容包括以下三方面： (1)基于统计语言模型的信息检索方法及其在中文信息检索中的应用。首先深入分析研究了信息检索中的各种统计语言模型，并做了统计语言模型和传统概率检索模型的对比研究。重点研究了N-Gram模型在中文信息检索中的应用。研究表明，利用一元语言模型，中文信息检索可以取得和目前主流检索算法相当的性能，但是却略过了分词这一环节。最后，分析了统计语言模型的不足，提出了改进的思想，指出Web环境中研究的重点为统计语言模型框架下Web文档结构信息的表达。 (2)Web信息检索结构化排序函数及标引词加权技术。从Web文档内部结构和外部结构两方面深入探讨了Web信息检索结构化排序函数技术，即基于超链分析和基于Web文档内部结构的排序算法。指出了对提高Web检索性能有着重要意义的数个文档结构(标题、粗体、元数据、锚文本等)，同时指出有效的Web检索算法是结合文档内容、超链分析及文档结构信息的混合算法。 (3)遗传算法在信息检索中的应用及基于遗传算法的排序函数设计框架。最后，研究了遗传算法在查询优化、Web结构化文档检索中的应用，深入分析了遗传算法在信息检索应用中存在的问题，提出了下一步研究的方向。重点讨论了基于遗传算法的排序函数设计框架，并对该框架进行了扩展。扩展之后该框架可以表达更多信息，如除web文档内容之外，还包括网页创建时间、网页的评价等(PageRank值、Repupation值等)。