蓬勃发展的Internet给人们带来丰富信息资源的同时也带来了新的问题。由于Web页面的无结构性、Web链接的自由无序和Web规模的急剧膨胀以及Web内容的海量性、多样性与动态性，人们从Web上搜索信息并不容易。这种困难性具体表现为:搜索引擎基本上采用关键字匹配的算法，但是用户实际需求与查询关键字存在较大的语义差距，导致搜索引擎不能理解用户的需求，只要关键字一样，查询结果也总是一样的。　　理想的信息检索系统应该是这样的:用户能够自由地表达查询需求，系统能够理解用户的查询意图，并对查询和文档做出合理的表示以进行精确的匹配计算。”Whatyou get is whatyou want”正是当前网络环境下，用户对信息获取的理想追求。　　互联网异常庞大，在整个互联网范围内提供通用的精准信息服务几乎是不可能的，为此，本课题将研究焦点集中在领域范围内。我们选择法学学科领域作为试点。人文社会科学的知识是不规范知识的典型代表，绝大部分的人文社会科学知识都是用文字进行描述的，而且没有严格的定义，所以本论文的研究工作是极具挑战性的。　　本论文的研究目标有二:第一，在法学领域内探究智能信息检索的手段和方法，包括领域知识自动更新、基于概念的检索、基于链接分析的检索、Web实体的挖掘与检索、知识间语义关联的建立;第二，建成法学领域的专业知识处理平台，包括领域资源获取平台、资源加工平台和知识服务平台。　　法学领域内主要有三类核心的资源:法律、案例、律师。其中法律是指各类法律文本、行政法规、规章制度等;案例是指各类审判文书、案例描述、案例评析等;律师资源是指律师的各种相关信息。各类资源之间是相互联系的。法律由各类案件所指引，而律师会代理各类的案件。同时各类资源内部也是相互联系的。法律之间会相互参照，律师之间既相互合作又相互竞争。　　本论文在充分挖掘三类资源之间以及资源内部基础上，研究法学领域智能信息检索的新技术和方法，提供领域内信息检索的新体验。根据各类资源的特点，我们分别提出了适合特定资源的检索方法。对于法律，我们利用法律之间的参照关系进行相似法律检索、开展法律聚类;对于案例，我们采用基于向量空间模型、本体检索模型的混合方法，进行相似案例查找;对于律师，我们采用基于多源信息交叉验证的信息融合模型，从互联网上自动的采集律师信息，并根据案例、法律提供律师的推荐。这些新的方法克服传统信息检索的以下缺陷:一、传统信息检索基于向量空间模型，未涉及到语义信息，对于诸如一词多义、同义词等未有处理;同时，向量空间模型还有着维数灾难影响，当向量维数过高时，相似度计算、文本聚类等会受到主题漂移的影响。而基于参照关系的链接相似度、基于概念的语义计算都考虑了文本内在的语义信息，能够理解用户的查询意图，提供的检索结果也更精准。二、传统信息检索在一个广域内进行，信息量大，查询不准确，对于面向人物的信息检索支撑不够。垂直检索时传统检索的细分和延伸，面向律师的垂直检索系统，自动整合律师信息，提供面向律师的专业检索，针对性强、信息集中而且丰富。　　本论文的贡献在于:研究了面向领域的资源获取、资源加工与知识服务的方法，利用智能信息检索的相关技术提高领域信息检索的精度，构建资源获取平台、资源加工平台、知识服务平台，提出领域了领域知识处理的框架。法学资源采集平台保证领域资源的实时抓取、自动更新;法学资源加工平台包括法学领域实体的抽取（如法律实体、律师实体）、法学领域的关系的抽取（如法律的参照关系、律师的合作竞争关系、案例对法律的引用关系等）、法学概念的抽取以及法律文档的概念标注、法学资源的结构化抽取、基于交叉验证的异源数据融合等;法学知识服务平台在采集平台和加工平台的基础上，提供法学领域的知识服务，这些服务面向采用智能信息检索的新手段，提供诸如基于对象的法律检索、基于概念的案例检索、律师信息集成及律师推荐等知识服务。