互联网资源爆炸式增长,导致“信息过载、资源迷向”,给信息检索领域带来巨大的挑战。传统的信息检索被动的接受用户的请求,无法主动感知用户的信息需求。仅仅依靠传统的信息检索已很难满足用户信息需求复杂化和差异化的趋势。所以,考虑用户信息需求差异性的个性化信息检索越来越受到用户的青睐。本文主要研究个性化信息检索的基础和核心——用户兴趣建模。本文的主要工作如下:1.针对向量空间模型表示用户兴趣,在准确性和全面性上存在的问题,而且不考虑用户兴趣的多样性,提出了基于层次性向量空间模型来表示用户的兴趣。实验表明,该种方法可以比较准确、全面的表示用户的兴趣。2.在分析了基于网页驻留时间和浏览次数计算网页兴趣度的算法的基础上,针对这种算法没有考虑网页的大小,提出基于浏览速度计算网页兴趣度的算法。设计实验并比对实验数据,结果表明基于浏览速度计算网页的兴趣度更接近真实值。3.针对用户兴趣模型层次性及扩展性的要求,采用XML存储用户兴趣,并使用倒排索引技术建立“用户—XML”的映射关系,可快速根据用户名找到相应的兴趣文件,提高个性化信息检索的检索速度。4.提出一种改进的用户兴趣建模方案,并且,设计和实现了用户兴趣建模,并将建立的用户兴趣模型应用于Nutch搜索引擎,从而实现个性化的搜索。最后,通过实验验证,个性化搜索与常规的搜索相比具有更高的查准率。