随着Web上信息量的增长,搜索引擎成了人们检索信息的重要工具,Google、Baidu等主流的搜索引擎成了网民工作学习中不可或缺的重要工具。但是这些通用搜索引擎不能更加准确地了解用户的需求,不能针对特定的用户给予个性化的服务,因此如何提供一种切实有效的方法,以用户为中心,帮助用户有针对性地获取真正需要的信息,成了研究者们所面临的一个重要课题,因而个性化搜索技术逐渐兴起。用户兴趣模型是个性化搜索的关键技术之一,是一个能为用户提供个性化信息服务的信息检索系统的核心组成部分。本文对当前主要的用户兴趣模型进行了研究,提出了一种基于挖掘用户查询日志建立的增量式更新的用户兴趣模型。本文的工作主要包括以下三个方面:(1)基于伪相关反馈技术,利用搜索引擎的搜索结果对查询日志进行查询扩展,结合文本特征提取、文本分类等技术建立查询分类模型。(2)在查询分类的基础上,提出一种基于向量表示的用户兴趣模型,表示用户对各个分类领域的兴趣程度。(3)对比平均加权算法、时间窗算法,引入遗忘因子,提出一种符合人的遗忘规律的增量式的用户兴趣模型更新算法。本文还通过实验系统的设计和实验数据的分析,对其中关键的查询分类准确率和用户兴趣模型的稳定性和及时性进行评估,并在本文的最后提出进一步的研究方向。