随着大数据时代的到来,搜索引擎作为人类获取信息的首要工具它的优劣直接决定了人们获取信息的准确性、速度和成本。因此,分析用户对搜索引擎的满意度一直是信息检索界的重要研究方向。本文以现代搜索技术中满意度及相关性等评估工作为基础,通过构建熵权模型及时间序列模型,分析引起搜索引擎满意度变化的主要因素。本文主要分为三大部分进行研究：首先,基于目前网页搜索评估中最重要的相关性评估和Session满意度分析两个主要部分,分析了两种评估的现状及存在的问题,并深入探讨了与本文相关的信息熵理论和时间序列模型。然后,确定分析满意度所需要的数据源——用户行为日志。对日志进行融合、对象重构、指标筛选、维度扁平化、扩展和多维度的拆分等操作,最终将处理后的数据存储到Infobright数据仓库中从而成为后续分析的数据基础。在此基础上,构造了熵权模型的判别矩阵,在已知结论的情况下逆向求解熵权,通过实验确定其可行性和合理性。在分析定位熵权模型的缺点后,设计了符合数据特点的时间序列模型,并构造出最终的满意度变化分析模型,实验分析了不同指标在Session满意度变化过程中的贡献。最后,设计并开发了基于时间序列的满意度变化分析系统,包括日志处理、计算熵权、计算满意度贡献、时间序列预测以及结论存储等5个模块。实际分析中该系统的结论为搜索引擎功能和服务的改进提供了一定的方向性建议,理论方面提出了一套简单易行、适合集群运算的分析满意度变化因素的算法。