针对 k步可达性查询算法无法解决带距离约束的图可达性查询问题，提出基于参考节点嵌入的图可达性查询算法。首先，从所有节点中选出极少数有代表性的全局参考节点，预先计算所有节点与全局参考节点之间的最短路径距离；然后，采用最短路径树和范围最小值查询技术求得局部参考节点；接着，利用三角不等式关系得到查询点对距离范围；最后，根据查询条件中的距离值与查询点对距离范围上、下限值的大小关系，可快速得出可达性结论。针对社会关系网络和公路网络数据，将所提算法与Dijkstra算法、 K-Reach算法进行实验对比测试。相较于 K-Reach算法，其索引建立时间小4个数量级，其索引规模小2个数量级；相较于Dijkstra算法，在公路网络和社会关系网络中，直接得出可达性结论的比例分别为92%和78.6%，其查询时间大大缩短，分别降低了95.5%和92%。实验结果表明：所提算法能够通过使用较小的索引开销，实现在线查询计算复杂度的降低，可很好地解决既适用于有权图又适用于无权图带距离约束的可达性查询问题。

当前排序学习算法在学习时将样本集中的所有查询及其相关文档等同对待，忽略了查询之间以及其相关文档之间的差异性，影响了排序模型的性能。对查询之间的差异进行分析，同时考虑文档排序位置造成的资料被检视概率不同的差异特性，提出了一种两层加权融合的排序方法。该方法为每一个查询及其相关文档建立一个子排序模型，在此过程中，对文档赋予非对称权重，然后通过建立新的损失函数作为优化目标，利用损失函数调节不同查询产生损失之间的权重，最终实现多查询相关排序模型的加权融合。在标准数据集LETOR OHSUMED上的实验结果表明，所提方法在排序性能上有较大提升。