近年来,随着互联网的飞速发展,人们可以通过网络检索自己所需要的信息。目前搜索引擎已经成为重要的检索工具,但由于检索结果没有针对不同的用户做相应的处理,使得不同用户所获得的信息是相同的,从而忽略了用户的兴趣爱好,并不能满足用户真正的个性化需求。面对海量的网络信息,如何挖掘出用户的兴趣点,为用户提供个性化服务已经成为当前研究的重要课题。用户兴趣点的挖掘是从用户的浏览历史记录中挖掘出用户的兴趣点,其结果直接反映了个性化服务的准确性和有效性,本文即立足于用户兴趣点的挖掘开展了相关研究。本文对相关的用户兴趣点挖掘算法进行了详细的分析和对比,针对现有用户兴趣点挖掘算法的局限性,提出了基于知识库与文本分类算法来挖掘用户的兴趣点的基本思想。本文在英文语料研究下进行的,首先利用Lucene建立基于Wikipedia的知识库,然后对用户输入的关键词、用户输入的URL进行分类,最后进行用户兴趣的投射。其中对于关键词分类,提出了基于共现词和WordNet扩展相结合的分类方法；对于URL分类,提出了基于块的网页正文提取法、基于DFSD的特征提取法；对于用户兴趣投射,提出了基于上下文环境的投射法,将用户候选兴趣点映射为一个兴趣点,从而挖掘出用户真正的兴趣点；最后通过对比实验体现了算法的高效性和准确性。