随着Web上信息的爆炸式增长，出现了资源迷向、信息过载等诸多问题，传统的信息检索技术已不能解决此类问题。近年来，基于情景的检索技术成为了研究热点。在检索过程中，不论用户，还是用户需求的信息都处在自身的情景中。基于情景的检索技术就是要合理的利用这些情景信息，把用户情景、网页情景、链接情景与设备情景等情景与信息检索技术结合起来，组成一个框架结构，以提高信息检索的精度。本文主要研究利用情景信息对用户的兴趣进行建模，并进一步实现基于情景的个性化信息检索系统。　　 本文的主要研究工作和取得的成果如下：　　 (1)对传统的信息检索与基于情景的信息检索进行了对比，证明了基于情景的信息检索技术比传统的信息检索有更大的优势。基于情景的信息检索是以计算机为中心，主动去了解周围的情景信息，及时相对应调整用户兴趣模型，提高了检索性能。　　 (2)研究了Web上的情景对用户访问行为的影响，用实验证明页面情景和用户情景对访问行为影响很大。在此基础上，对情景中的查看行为情景和链接情景进行了分析，采取用户的查看速度进行用户兴趣建模实验，证明了用查看速度进行用户兴趣建模比用查看次数和停留时间有更好的效果。　　 (3)提出了基于情景的层次性向量空间模型来表示用户的兴趣，其基本思想是：先提取文档中的关键词作为特征项来描述用户兴趣，后对用户的兴趣进行归类，使模型中关于兴趣的记录成类别，其次用树形结构把用户的兴趣进行分类，用向量模型来描述用户兴趣。　　 (4)由于XML的诸多优点，本文用XML来存储兴趣信息，并利用倒排索引结构来提高检索速度。