基于深度学习的智能检索系统开发

彭晓黎

doi:10.16009/j.issn.1009-5624.2026.15.030

信息记录材料 ›› 2026, Vol. 27 ›› Issue (15) : 92 -94+133. DOI: 10.16009/j.issn.1009-5624.2026.15.030

基于深度学习的智能检索系统开发

彭晓黎

作者信息 +

Author information +

文章历史 +

摘要

针对传统信息检索系统在语义理解、多模态数据处理、用户意图建模等方面存在的不足，本文提出一种利用深度学习的智能检索系统开发方案。该系统融合卷积神经网络（CNN）与循环神经网络（RNN）,实现对文本、图像、视频数据的深层特征提取与语义关联建模。在MS COCO跨模态检索任务及自建的行业维修工单数据集上的实验表明：该系统在跨模态（文本→图像）检索任务中的Top-10精确率达89.2%,在自建数据集上取得了85%的均衡检索性能（F₁-score）。通过模型优化，系统在自建数据集上的精确率进一步提升至97.5%,证明了该系统具有良好的泛化能力与实时响应速度，可广泛应用于企业知识库管理、数字图书馆建设等领域。