随着信息技术的发展,特别是互联网的迅速发展和广泛普及,导致了各种信息资源呈现爆炸式的增长,信息检索系统成为人们获取这些信息必不可少的工具。然而目前的检索系统都是针对群体用户来返回结果的,搜索引擎的用户越来越注重检索结果的个性化,因此传统的检索模型在一定程度上已经不能满足用户的信息需求。正是为了解决传统检索模型的问题,本文应用的参考文档模型(RDM,Reference Document Model)是利用用户的参考文档集对用户的查询和待检索文档集进行伪反馈,使得用户在检索过程中可以充分体现用户的个性。参考文档模型来源于风险最小化模型,参考文档模型的模型空间很灵活,可以是向量空间,也可以是概率分布。参考文档模型中的参考文档是对对待检索文档的补充和扩充,它能包括更多相关内容,提高检索系统,当参考文档是反映用户的兴趣爱好的文档集时,参考文档模型便成为了个性化检索模型。因此本文主要针对以下几个方面展开研究:1.对Sogou查询日志的统计分析。围绕着Sogou日志中用户、查询和点击详细分析了目前搜索引擎的一些特点,阐明了个性化信息检索的必要性。2.给出参考文档模型的概念和定义。3.参考文档模型在向量空间模型下的实现。向量空间模型作为经典的检索模型,本文首先在向量空间上验证了参考文档模型,实验结果表明通过Rocchio算法对查询文档都进行建模的检索结果是最优的。4.参考文档模型在语言模型下的实现。把参考文档模型融入语言模型除了通过参考文档上的反馈对查询和文档分别建模外,本文还对语言模型的平滑技术做了相应的研究。本研究目前取得的成果是对Sogou查询日志进行了统计分析并且验证了参考文档模型在传统的文本检索中性能表现很好,为进一步的研究参考文档模型奠定了基础。