随着公安经济侦查业务的扩展,历史数据的日益增多,人工智能技术的广泛使用,针对经济犯罪信息的智能化检索模式已成为经济犯罪侦查领域的迫切需求。目前多数检索引擎大都使用关键词匹配的模式,没有考虑文本内在的语义,导致检索结果的准确率与查全率均不高。为了解决这一问题,主题模型以其挖掘文档隐含概念的优势大量被用在信息检索中,但是仍存在以下问题:第一,其无监督的学习形式,导致生成的主题解释性不够明确;第二,主题模型更适合处理长文本,对特征较少的查询语句不适用。为解决以上问题,本文从智能检索的语义特性出发,提出了一种基于主题模型的智能检索方法。该方法从文档的检索模型和用户提问两个角度进行研究,运用主题模型结合聚类算法挖掘文档的潜在语义,构造文档索引;应用本体技术处理用户提问语句,标准化检索式。首先选择经济犯罪领域专家知识作为主题模型的先验知识,改进了无监督主题模型的主题偏离实际语义的缺陷,实现了半监督性质的主题建模,生成了符合经济犯罪特征的文档主题标签。其次,研究了文档的聚类方法,结合了Bagging集成学习思想,改进了传统k-means算法,以解决原始语料经过主题模型训练生成的文本主题分布较为稀疏的问题。再次,构建了经济犯罪领域本体,描述各个实体间的逻辑关系,并完成本体的持久化,在检索阶段识别出查询语句的语义和逻辑关系,重构用户检索条件,发掘出用户真实检索要求;最后,根据查询与文档的综合匹配率,按照相似度排序结果列表,以提高检索准确率和召回率。在基于主题模型的智能检索方法的基础上,开发了经济犯罪智能检索系统。以某经济犯罪领域数据为样本实例,验证了本文改进的主题模型和智能检索方案的效果与价值。