随着网络信息量的快速增长，人们要在其中获取所需要的信息变得十分困难。虽然搜索引擎为用户查询信息提供了很多方便，但是目前大多数的搜索引擎存在许多缺陷。由于对用户的个性化因素考虑不足，传统搜索引擎的局限性日益突出，个性化搜索引擎的研究及其实现成为研究热点。目前对个性化信息检索技术研究在个性化用户建模和个性化策略两个方向都取得了不少成果，但仍然处于理论阶段。 推荐系统作为一种个性化的信息服务方式，根据用户的个性、兴趣、偏好的分析，准确地向用户提供感兴趣的信息或服务，可以有效地为用户提供个性化的信息服务。推荐系统在理论和实践中都取得了很大的发展，特别是在电子商务领域。相应地，将个性化的推荐系统引入信息检索领域，根据用户兴趣模型为用户提供个性化信息检索服务，可以有效地提高信息检索的精确度。 本文首先对目前的个性化信息检索技术进行了较为全面、深入的分析。分别对个性化用户建模和个性化策略与技术进行了讨论，分析了已有的研究成果，进一步总结了个性化检索中值得关注的研究课题和热点。 接着，针对推荐系统中由于系统规模的扩大导致的诸如稀疏性问题、可扩展性等问题，对推荐系统及其主要的推荐技术进行了探索和研究，分析了当前系统地优缺点和改进方向，在此基础上提出了一种混合推荐算法。算法在离线阶段采用信息检索中的网页分析方法来构建用户的兴趣模型，并利用局部敏感聚类算法对用户聚类。在线阶段，结合基于内容的推荐和基于用户的推荐预测用户对网页的评分，从而有效地提高算法的可扩展性和推荐质量。 最后，将改进的推荐算法应用于信息检索领域中，设计了一种个性化的搜索系统。系统根据用户的搜索历史建立用户兴趣模型，并根据该模型采用改进的推荐算法预测用户检索到的网页的兴趣程度。最后结合预测值和传统的信息检索排序算法对检索结果进行重新排序，使用户感兴趣的页面尽量排在前面，从而实现信息检索的个性化。实验结果显示基于推荐系统的排序算法可以有效地提高信息检索的精确度。