目前,网络已经同报纸、广播和电视一样成为主要的信息来源。在网络上获取信息的主要途径是网络搜索,其工具一般为搜索引擎。伴随着互联网的普及,网络搜索/搜索引擎产业蓬勃发展,吸引了学术界的广泛关注。研究网络搜索行为,也就是了解用户如何与搜索引擎进行交互,不但能够改进搜索引擎,提升信息检索效率,而且能够帮助设计更为人性化的人机交互方式,提升搜索体验。传统网络搜索行为研究多采用调查问卷、访谈和日志分析等方式。调查问卷和访谈能够在一定程度上描绘用户与搜索引擎的交互过程,然而得到的是间接结果。通过日志分析能够得到包括查询和点击在内的交互数据,从而得到直接结果。但是,用户在产生交互动作之前浏览搜索结果的过程却无法得知。眼动跟踪设备的出现,为解决这一问题提供了很好的工具。该设备能够记录用户在阅读、浏览和搜索等视觉行为时的眼睛运动数据。这些数据是实时的和过程式的,例如用户的目光停留在何处,持续多长时间。分析这些数据能够直接和客观的再现用户浏览搜索结果的视觉行为过程。本博士论文利用眼动跟踪设备,分析包括网页搜索和图像搜索在内的网络搜索行为,并通过建立用户行为模型和利用机器学习算法的方式预测网络搜索行为。本博士论文发现用户在网页搜索中存在对用户推荐(User recommendation)的视盲现象。将用户推荐作为附加信息加入到搜索引擎结果页面,通过眼动实验观察被试在完成网页搜索任务时的行为变化。研究发现,被试在无推荐、被动推荐和主动推荐时的行为没有显著差异,其原因在于被试在搜索过程中常常会忽视用户推荐,产生无意视盲(Inattentional blindness)现象。本博士论文发现用户在图像搜索中存在特殊的行为规律,称作颁奖台(Podium)模式。通过眼动实验,观察被试在完成图像搜索任务时的行为,深入了解用户浏览搜索结果的一般规律,以及搜索任务类型和搜索结果排列顺序对用户行为的影响。研究发现,被试在浏览和选择处于同一行的搜索结果时存在“中间-左边-右边”的优先级顺序,即颁奖台模式;搜索任务类型对被试行为有着显著的影响,被试在一般信息需求的搜索任务中更加忙碌并且满意度较低;搜索结果排列顺序对被试行为没有显著影响,被试在图像搜索中存在位置偏好,这种偏好与颁奖台模式相一致。本博士论文提出一种基于眼动数据的网络搜索行为预测方法。将原始的眼动数据转化为两种表示视觉行为模式的数据格式:直方图和序列。通过建立用户行为模型和利用机器学习算法的方式预测网络搜索行为。在网页搜索和图像搜索中的实验不仅验证了该方法的有效性,还表明该方法能够处理传统方法无法处理的问题——从有益放弃(Good abandonment)中提取反馈信息。