随着互联网进入了“Web2.0”时代,用户已经不再只是信息浏览者,同时也是信息的制造者。网络信息产生总量的呈指数级上升的趋势,传统的搜索引擎技术逐渐难以对用户的检索请求给出高质量的返回结果。基于Agent的元搜索技术能够较好的补足传统搜索引擎中不够完善的地方,不仅有更好的搜索覆盖率,还能一改传统的引擎的被动接受指令的模式,实现了对用户的主动感知。另一方面,推荐技术则是利用感知和学习到的用户兴趣信息,主动的为用户提供信息服务。因此推荐技术与基于Agent的元搜索技术相结合就能最大化的利用元搜索引擎的智能性,从而提供更好服务,给用户一种以人文本的搜索体验。然而Agent技术,元搜索技术,推荐技术这三者相结合的研究以及应用还存在很多现实问题,需要研究解决。本文重点研究推荐技术与基于Agent的元搜索技术相结合的设计方案,实现以及应用。首先,本文介绍了研究所涉及的传统元搜索技术和相关理论,推荐技术和相关理论,Agent技术和相关理论。随后给出了基于Agent的智能化元搜索引擎平台的结构设计,各个模块组件的设计以及工作流程,并以此平台作为基础,引入了查询流图以及用户意图识别这两个概念,设计并提出了一种新的,基于协同过滤机制的推荐系统。该系统不仅能够很好的适应中文语义环境,还能够充分利用元搜索平台的自身特性。接着,本文给出了该推荐系统的实现以及挂载于元搜索平台的关键点。最后,为了验证本文提出的依托于元搜索引擎的推荐系统的有效性以及合理性,设计了一个有两个不同阶段组成的实验。首先,通过离线测试的手段,在不依赖于元搜索引擎平台的情况下,快速测试推荐系统的性能以及推荐合理性。随后通过在线实验验证部分再次证实了本文提出的推荐机制能在实际应用的情况下也做出合理的推荐,既能照顾到推荐的相关性又能照顾到推荐的多样性。