大数据时代的来临使得数据量呈爆炸式增长,数据量的庞大以及数据形式的多样性为数据的管理增添了难题。在网上各种信息呈现爆炸式增长的背景下,传统方法往往难以顾及用户兴趣,而导致查询无法体现个性化。截止到现在,以地理信息领域中的搜索为观察点,其内部的兴趣点搜索主要依赖搜索关键词匹配来实现具体的搜索,可是其回馈的结果却没有经过任何过滤处理,这样一来就极大地阻碍了用户的查找任务,从而使得搜索质量不断降低。用户的需求持续增长的,如何提高搜索质量满足用户需求成为了研究的方向和趋势。针对这一问题本文提出一种基于用户历史查询反馈记录的兴趣点智能搜索方法。基于PageRank算法和用户历史查询反馈数据建立智能搜索模型对兴趣点搜索方法进行优化研究。本文对建立智能搜索模型所用到的技术进行分析,建立了智能搜索模型的最初框架,并对用户历史查询反馈记录进行分析,将用户历史查询反馈记录分为两部分:兴趣点查询记录和地图瓦片调用记录,根据用户行为对PageRank算法进行优化推导出基于兴趣点查询记录的调节算法和基于地图瓦片调用记录的调节算法,然后将二者相结合建立了适用于本文的兴趣点智能搜索模型,最后针对模型设计实验验证,对实验结果进行分析验证本文提出的智能搜索模型的正确性。