随着Internet的普及和快速发展,Internet为我们提供了涉及方方面面的无数的文档资料。因此为了能够在如此巨大并且更新频繁的信息中,搜索到我们所需的信息,必须需要一种精确度高的,快速的搜索工具。基于索引的爬行程序的搜索引擎检索往往数量众多且准确度较低。为了克服搜索引擎的这种缺点,产生了针对某一专门需要,用于信息提取、信息过滤和异构信息源整合的元搜索引擎。但是,目前几乎没有搜索引擎使用智能技术来提高搜索的精确度。随着用户模型技术变得越来越流行,许多基于个人Agent的web信息检索系统被开发出来,因此一个直接的想法就是把用户模型技术和机器学习结合到web的搜索服务中。本文首先讨论了检索工具的相关内容,结合用户模型的机器学习方法,分析了一个抽象的多Agent信息检索系统;接着提出了一个在JADE平台上实现的基于Ontology的多Agent信息检索模型。在模型中描述了一个包括Web站点,搜索引擎,Agent平台以及各种相关Agent的信息空间。模型中各种不同类型的Agent,包括Interface Agent,Process Agent,StaticIRAgent,Local Search Agent和可以移动的SearchAgent,共同存在并且通过交换信息和知识来完成向用户提供所需信息的任务。模型中使用Ontology宋对文档进行分类并且帮助用户来定制查询,并且提出了使用Co-occurrence理论为信息检索建立Lightweight Ontology的方法。最后,结合自己的研究提出了今后的研究工作。