随着互联网(Internet)的不断发展和日益普及，Internet成为人们不可或缺的信息来源，使得人们可以自由地获取全球范围内的各种信息，但同时也导致了网上信息的爆炸式增长。信息的极大丰富使得用户无所适从，为了从中找到自己所需要的信息，用户需要耗费大量的时间和精力。信息资源的现状使得个性化服务技术应运而生，日益受到人们的青睐。作为个性化服务技术的核心，用户模型的质量关系到个性化服务的质量，逐渐受到研究者的重视。而作为一种新的个性化服务形式，个性化检索技术也受到越来越多的关注。 本文以文献检索系统的用户日志为基础，研究用户个性化模型及个性化检索技术。 在用户个性化模型方面，本文首先提出一种新的显隐式结合的用户模型。该模型考虑了用户日志中点击记录的Rank和Click信息，并从时间和内容的角度把用户历史信息划分为用户的长期历史信息和短期历史信息，从而既能获取用户长期的、静态的兴趣，又能捕捉到用户短期的、动态的兴趣变化。然后，提出显隐式结合用户模型的初始化、建立和更新方法。 在个性化检索技术方面，本文首先计算查询词的清晰度，从而判定该查询是否要进行个性化检索。其次，研究了两种个性化重排序方法，包括协作个性化排序和基于重复查询的个性化排序。最后，研究了查询词推荐技术。对历史查询进行聚类，从而为新的查询推荐相关的查询关键词。可以有效地帮助用户清楚地了解自己的信息需求，方便、快捷地查找到自己所需要的信息。