随着互联网技术的日益普及,Web上的信息量呈爆炸性增长。由于互连网上信息资源的极大丰富,信息服务的个性化越来越引起人们的重视。人们对信息获取的目的逐渐从查全转变为查准,满足特定用户的特定信息需求成为信息服务在新的网络环境中的服务目标。智能推荐系统(Intelligent Recommendation System)就在这个背景下应运而生。它能够向客户推荐文档或产品,并可以引导客户有针对性的对文档信息或某些产品信息进行关注。推荐系统的核心是推荐的方法,也是本文研究的重点。本文以用户的查询访问日志为基础,分析用户的查询访问行为,挖掘用户的兴趣偏好,并以此构建查询网络图,提出了基于查询网络的文档推荐模型。该模型结合了传统推荐方法如基于协同过滤推荐和基于内容推荐等方法的优点,同时避免了它们的不足之处,极大的提高了在未知文档内容情况下的文档推荐效果。本文提出了一种全新的基于用户点击(Click-Through)的实体描述模型。该模型使用查询关键字作为标引词描述用户和文档。这种描述方式不但可以极大地减少了实体向量空间的维度,而且可以更好地表达用户在查询行为中的兴趣偏好和查询意图,因此该模型可以更好的应用于推荐系统中的实体描述。由于用户的访问兴趣经常改变,用户在不同时间的查询可能包含的不同的兴趣偏好,因此本文提出了行为兴趣向量的概念,用来描述用户在发出不同查询时的兴趣偏好,提高了后续推荐算法的准确度。本文以查询网络图为基础,提出了基于能量传导的推荐算法,协调用户群中每一个成员都具有相应的推荐能量,用户将能量沿查询网络分配给文档,最终将能量值高的top-k个文档推荐给用户。最后,本文通过实验评估了基于查询网络图的文档推荐策略的准确性、覆盖率、流行性和多样性等指标,验证了其有效性。