互联网飞速发展带来了信息资源的爆炸式增长,人们需要花费大量的时间和精力从繁杂、海量的信息中筛选出自己需要的信息。“信息迷失”和“信息过载”问题的日益严重迫切要求提供个性化的信息服务。搜索引擎是目前主要的信息搜索工具,但是使用搜索引擎返回的结果数量多,质量良莠不齐,难于筛选和甄别,并且要求用户具有专业的检索知识和经验,对于普通用户使用难度较大,而且搜索的信息也具有滞后性。而RSS(简易新闻聚合)是一种信息聚合的简易方式,利用RSS技术可以实现信息推送,能够为人们方便及时地提供最新的信息服务。然而,当前的RSS信息服务对每个用户提供的内容统一,缺乏个性化特征。实现RSS个性化信息服务的基础和核心是用户兴趣建模技术。在基于RSS数据源的用户兴趣模型研究领域,已有的模型是三层结构的树状用户兴趣模型,由用户模型根节点、信息类别和用户兴趣子类构成。本文改进了原有模型的表示形式以及关键词权值计算方法,并且将用户的兴趣标记为长期兴趣和短期兴趣,针对两种不同的兴趣采用不同的更新机制。实验表明,改进模型的个性化程度更高,对用户兴趣更新更及时准确。模型在农业信息领域的应用,验证了本文研究课题的应用价值。