为了缓解用户有限认知能力与互联网海量信息之间的矛盾,信息检索已经成为互联网服务中一项不可或缺的技术。在信息检索的相关研究领域中,对其离线评价方法的研究一直以来都受到研究者们的广泛关注。为了使得离线评价方法的评价结果与真实用户的体验尽量吻合,在离线评价指标的设计中引入用户行为模型就成为了信息检索评价长期以来的研究热点。然而,现有的离线评价方法仍然存在一定局限:一方面,已有的离线评价指标在构建用户行为模型时没有充分考虑认知因素对用户行为的影响;另一方面,以往的工作对离线评价指标在描述用户行为和衡量用户满意度两方面表现的一致性缺乏完整验证。 本文围绕基于用户行为模型的信息检索离线评价方法开展了系统的研究,通过深入挖掘用户搜索认知过程,着力解决离线评价指标设计中的一系列挑战性问题:（1）针对已有搜索交互模型无法准确解释用户终止行为的缺陷,提出了动态建模用户期望收益与成本的浏览交互模型,并基于该模型设计了离线评价指标的统一框架。该框架不仅整合了已有的多种评价指标,其衍生的新指标也更加贴合用户的满意度;（2）针对传统相关性评估方法难以直接应用于图像搜索场景的问题,构建了结合主题相关性和图像质量的搜索效用评估模型,并设计了更加符合用户体验的图像搜索评价指标。该工作揭示了图像结果的不同维度对效用评估的影响,为不同意图下的图像搜索性能评价提供了更加符合用户需求的效用评估方案;（3）针对已有搜索会话行为模型未考虑用户信息需求探索式演进的问题,将认知心理学中的近因效应引入效用累积模型,并设计了相应的会话级评价指标。该工作为用户在搜索会话中的效用累积过程提供了解释,并能够更好地衡量用户对整个搜索会话的满意度;（4）针对用户满意度在实际场景难以收集的问题,对离线评价指标在描述用户行为和衡量用户满意度两方面表现的一致性开展了系统性验证。该工作不仅发现了离线评价指标优化与用户行为模型构建之间的内在联系,也为用户行为与用户满意度之间的一致性表现提供了经验依据。 为开展上述研究,本文基于实验室研究和实地研究等用户实验方法构建了一系列搜索用户行为与满意度反馈数据集合,这些数据集合不仅验证了本文所提出的相关离线评价方法对于指导搜索系统性能改进的有效性,也有助于帮助研究者们推进信息检索评价领域的研究工作。