个性化信息检索中用户偏好分析是信息检索领域的重要问题，其核心任务是在给定查询的基础上，通过分析用户的行为特征来挖掘用户的偏好，以获取符合用户查询倾向和符合客观规律的信息。本文针对这一任务开展了深入研究工作，论文的主要研究内容归纳为以下三个方面。第一，基于查询划分的信息检索目标分析研究。通过分析查询，挖掘用户的查询意图。本文根据查询的内部结构和语言现象，提出一种新的查询目标识别方法。首先，将查询划分为查询对象和查询意图；其次，对用户的查询意图进行聚类并构成查询意图集合；再次，结合查询对象和查询意图集合来表征用户的查询目标；最后，根据自动估计的查询目标，推荐相应的查询词。这一方法侧重研究和提升查询自动构建的质量，从而借助优化查询源端的语言描述，改进查询质量。第二，基于鼠标滑动行为的用户满意度研究。通过分析用户检索过程中的行为特征，提出一种基于鼠标滑动行为能量消耗的满意度计算方法。首先，分析用户检索过程中的行为特征与用户满意度之间的关联；其次，建立模拟用户行为的量化模型，计算用户鼠标滑动过程中消耗的能量；最后，基于能量消耗推断用户检索过程中的满意度，达到量化满意度并且判断满意度强弱的目的。这一方法侧重研究用户满意度的度量方法，借以优化信息检索系统的反馈质量。第三，基于正确性的最优检索结果发现与论证研究。本文基于Google搜索引擎设计实验平台，基于量化数据验证以下观点：最佳的检索结果应为本源正确的信息。信息的本源正确性是信息自身固有的客观属性，不由用户和任何外界因素左右。在此基础上，提出一种基于正确性的信息检索评测标准，并利用这一标准校验现有基于用户行为的检索系统重排序算法性能。这一工作侧重研究检索过程中正确的检索结果对用户认知的影响（实验表明正确检索结果对用户认知的正面影响较大），从而帮助改进检索系统的排序策略。综上所述，本文针对个性化信息检索中用户偏好分析任务，从三个方面开展了相关工作，旨在提供一种高质量的信息检索反馈标准，返回更加符合用户偏好、用户认知的检索结果。