近些年来,互联网的图书资源迅速增加,予以读者丰富多样的选择。与此同时,如何在海量资源中快速准确地找到自己所需的图书,成为用户面临的主要问题。图书领域的垂直搜索引擎应运而生,现已得到广泛应用。然而,传统的图书搜索引擎存在着诸多问题,例如商业气息浓重、查询范围狭窄等,除此之外,更是没有充分考虑用户的个性需求,对于同一查询关键词,一律返回相同的搜索结果列表。因此,本文提出了基于用户个性化的图书搜索引擎的研究方案。首先,本文设定豆瓣读书为唯一数据来源,调用应用开发接口,设计主题网络爬虫,获取了足量的图书数据和用户数据。经过预先处理的真实数据,一方面用于建立词条丰富的索引库,另一方面用于个性化搜索算法的研究。协同标注系统中,用户可以自行定义标签管理资源。标签的灵活性和易用性,使其成为图书资源与用户兴趣产生联系的重要媒介,却也带来了一定的处理成本。为了降低噪声和简化计算,本文采用层次聚类算法,进行了标签聚类,使得用户的偏好更加集中,并且引用聚类结果,构建了相应的用户兴趣模型和文档主题模型。针对用户标签数据稀疏等问题,本文着重分析了用户共有的图书评分,改进了用户相似度计算模型,获取了相似用户推荐的图书标签,将其加入目标用户的兴趣集合,基于协同过滤的思想,发现了用户的潜在兴趣,扩展了用户的兴趣范围。然后,本文选择了检索结果二次排序的机制,将用户兴趣模型融入了传统搜索引擎Xapian,综合文档与用户查询的BM25相关性得分以及文档与用户兴趣的相似性得分,实现了个性化搜索算法。为了验证算法效果,本文展开了多组科学对比实验,从不同方面考察了个性化搜索算法的有效性。最终,借鉴搜索引擎的主流架构体系,本文完成了架构设计、详细设计、功能实现和软件测试的工作。用户登录进入系统,发送查询请求,可以检索自己感兴趣的图书,获得符合兴趣特征的个性化搜索结果。