近年来，随着网络数据库的数量和规模大幅度增加，各种各样的搜索系统已经成为人们查询网络信息的工具，例如Google、百度等。然而，当有着不同查询意图的各类用户输入同样的关键词后，得到了相同的查询结果，无法满足各类用户的需求。如何帮助不同用户更有效地查找最相关的结果文档已经成为互联网服务的一个重要问题。分面搜索是一种动态分类的信息搜索技术，是对关键词查询的补充。在分面搜索系统中，大部分是显示所有分面。当文档结构有差异并且存在大量分面时，系统不可能将所有分面显示给用户，如何将最有价值的分面推荐给用户成为如今的热点问题。目前的分面推荐方法主要是根据领域专家的经验选取，或者是仅根据统计学方法进行推荐。然而，这显然不能满足不同认知水平用户的查询需要。了解不同用户的认知因素，与它们相结合，分面搜索可以将更有价值的分面推荐给用户，使用户更加容易的达到信息需求，改善用户体验。另外，还可以改善用户的检索界面，减少用户的花费成本，提高检索效率。本文围绕基于用户认知的XML分面搜索关键技术进行研究，首先，对影响用户搜索行为的认知因素进行获取与表示，建立用户的认知模型；其次，提出了基于用户认知的分面推荐方法，将用户认知模型中获取的认知因素与统计学分面推荐方法结合，然后进行分面推荐，并用XML电影数据集进行实验。实验结果表明，统计学方法和用户认知相融合可以有效地推荐最有导航能力的分面；最后，分析了场依存和场独立认知风格的用户在信息搜索时具有的不同特征以及XML元素的粒度大小与显示的关系，给出了包含XML分面信息和元素粒度信息的索引结构，设计了基于用户认知风格的XML分面搜索结果的可视化显示界面，对不同认知风格的用户显示不同粒度XML元素并提供不同的显示风格，在一定程度上可提高用户的体验。