现有的基于Agent的个性化信息检索系统中,Agent的管理决策一直是一个没能得到很好解决的难题,且扩展性也不好,因此本文提出了基于策略Agent的个性化信息检索系统。本文在分析了传统Agent技术的基础上,设计了一种策略驱动的Agent框架(PDAF),不同于一般的Agent框架,策略驱动的Agent框架,使决策的管理变得异常容易,使系统变得更加可靠、灵敏和高效。基于策略的框架独立于具体的执行代码,有利于具体设计和策略引擎的分离,独立开发、部署及进化。新增的关于管理决策的操作也可以通过在策略中设置相应的描述,从而实现即插即用,显著提高了系统的维护性和扩展性。策略的使用方便了个性化信息检索系统的管理和决策,框架的统一简化了个性化信息检索各个模块的建立与交互。本文重点介绍了用户兴趣和信息过滤Agent的设计与实现,用户兴趣Agent采用了基于本体概念的兴趣表示方式,充分考虑了用户兴趣之间的语义关系,使得用户的兴趣语义更加清晰,表示更为准确；过滤Agent充分利用了种类和同义等语义扩展,改进了基于向量空间模型的相似度算法,使得相似度的判断更加简单、有效,同时通过计算初步检索结果与兴趣模型的相似度,大大提高了最终检索结果的准确性。实验结果表明：个性化检索系统将基于策略的Agent、用户兴趣模型以及信息过滤技术很好的融入到检索过程之中,与传统搜索引擎相比,有着更好的查准率和查全率,取得了较为令人满意的效果。