信息技术和互联网的高速发展给人们生活带来了许多便利,但是随着网络中信息量的指数级增长以及网络内容的纷繁杂乱,网络用户花费了太多的时间从庞大的数据海洋中寻找自己所需求的信息,个性化服务就是在这种背景下应运而生。而用户兴趣研究是提供个性化服务的必要组成部分。其中用户兴趣模型的准确性直接决定了个性化服务质量的好坏。因此开展用户兴趣研究具有一定的理论意义与实践价值。本文对基于浏览内容的用户兴趣进行分析研究,研究内容包括：(1)研究了获取用户兴趣的相关理论与技术。通过对用户兴趣研究工作的信息调研,研究了用户兴趣信息收集的方法,用户兴趣模型的表示方法和用户兴趣内容分析的关键技术。(2)提出了一种混合度量的用户兴趣发现方法。针对特征词维数灾难问题,提出了一种结合信息增益和互信息两种度量方法的加权求和算法来进行特征降维。针对用户兴趣类簇难以准确获取问题,提出了在聚类之前先进行分类的方法来获取用户的兴趣类簇。最后通过用户的页面停留时间、内容量等因素来计算用户对每个兴趣类簇的感兴趣程度,并结合用户的兴趣特征来完成用户兴趣的表示。(3)完成整个用户兴趣系统的设计与实现。描述系统的总体设计框架,将用户兴趣系统分为用户兴趣内容的采集、数据预处理、用户兴趣发现、用户兴趣表示等四个模块,并对各个模块的功能及设计思路进行详细描述,详细介绍各个模块使用的相关算法并展示各个模块的实现结果。