个性化信息服务是能够满足用户个体信息需求的一种服务,根据用户提出的明确要求提供信息服务,或通过对用户个性和使用习惯的分析而主动地向用户提供其可能需要的信息服务。它包括个性化信息搜索服务、个性化信息推荐服务和个性化信息代理服务等。个性化信息服务有助于用户快速准确获取所需要的信息,为用户提供便利,它的最关键部分在于用户兴趣模型的建立。本文正是在这一基础上,首先围绕建立用户兴趣模型的关键技术进行研究,这些技术包括Web挖掘、用户行为挖掘、机器学习以及Agent技术等。然后本文探讨了用户兴趣模型的生成与更新算法,包括页面的分词、特征提取、用户兴趣权重的计算,用户兴趣学习等等;获取用户兴趣所采用的方法是:针对用户所浏览的Web页面,分析这些页面与用户兴趣的相关度:若是已有兴趣则对其权重进行加成,否则根据其权重与保留权重的大小关系决定是否进入用户兴趣词集。再者研究了基于用户兴趣模型的应用:个性化信息过滤与信息推送。最后提出了基于用户兴趣学习的个性化信息服务系统的体系结构,对各部分功能和工作流程进行了设计研究,其中结合Web页面内容学习,围绕相似度计算对用户兴趣模型的建立和应用进行试验。