随着网络资源数量的不断增长,信息更新的不断加快,信息冗余、主题参杂等问题相继出现,人们想高效地搜索到自己想要的信息变得越发困难。在解决这些问题的过程中,提供个性化服务的搜索引擎提高了检索效率,是人们一直在研究的热点。将用户感兴趣的信息反馈给用户,对不同的用户提供不同的服务模式,即个性化服务的信息方式。本文对个性搜索中的建模技术进行研究,并将sprint分类算法和Agent技术结合到一起应用到建模过程当中,提高建模的速度和准确度,使兴趣模型更贴近用户的实际喜好。该模型对用户将要执行的操作行为进行分析,预测其兴趣所在,优化用户的查询语句,最终达到提高人们检索信息的效率的目的。本文给出了兴趣模型的建立过程。首先设计数据结构,要想运用sprint算法构建用户的兴趣模型,必须对构建兴趣模型所需要的数据源信息进行分析学习,根据sprint算法的执行需求,设计出了有特定结构的三张表,用来存放建模不同阶段所需要的数据。然后,研究基于sprint算法的信息抽取过程。算法如何协助兴趣模型的建立,以及每一步执行是如何对知识库中的数据进行抽取学习,是本文研究的重点内容。最后,建立兴趣模型。对于兴趣模型,本文提出了兴趣模型的建立方法和模型结构。将数据挖掘算法充分应用于建模过程当中,通过用户的链接操作构造兴趣树,从中提取兴趣模型。研究的最终目的是快速建立一个准确的、贴近用户需求的兴趣模型。这种兴趣模型针对不同用户的兴趣取向,提供不同的个性化服务。当用户在面对杂乱繁多的网络资源而不知所措时,帮助用户高效精准的找到自己想到的信息。