通用的搜索引擎接到不同用户输入查询词后，按照统一模式处理，搜索引擎返回一样、成百上千、与用户兴趣不相关、重复甚至是过时的信息。个性化技术针对不同的用户采取不同的服务策略，提供不同的服务内容，提供满足其个性化需求的服务。 由于网络日志记录着用户访问网页的信息，用户的访问日志可以反映用户的浏览模式和浏览兴趣，通过该日志及用户浏览网页的内容，可以发现用户的兴趣，根据用户的兴趣，建立用户兴趣模型，在用户使用网络搜索引擎进行搜索时，参考用户的兴趣，对查询词进行修正和查询扩展，对查询结果重新排序，提高用户查询信息的准确率，节省用户查询信息所需的时间。 本文在对搜索引擎、个性化搜索等相关原理与技术分析的基础上，深入分析了用户网络日志挖掘和基于网络日志挖掘的用户兴趣提取等关键技术，具体研究成果如下： (1)开发一个插件，在客户端收集用户访问网络的日志，清洗用户访问网络的日志，分析用户的网络访问日志，挖掘用户访问网络的习惯。对用户访问的网页内容根据其URL特征对网页进行分类。统计分析用户访问网络日志，挖掘用户的兴趣类。对相同类别的网页内容进行聚类分析，对兴趣分类集进行挖掘提取用户的兴趣特征。 (2)挖掘用户网络访问日志，统计分析用户访问网络日志中URL的有效信息，提取用户的兴趣类并且对用户访问网页的内容进行“专业性”的分类，对相同类别的网页内容进行聚类挖掘分析，根据用户的兴趣类信息挖掘出用户的兴趣特征集。 (3)通过挖掘和识别用户访问网络的最大向前引用路径，结合用户兴趣特征的位置语义信息，挖掘提取用户兴趣特征的固定搭配，提取出用户兴趣特征的最大扩展短语集合，建立用户兴趣的查询扩展集。 (4)根据挖掘网络日志建立的用户兴趣类，用户兴趣特征，用户兴趣特征的查询扩展集等信息，建立树状的用户兴趣模型。 (5)参考用户的兴趣模型，在用户使用搜索引擎进行信息检索的时候，对用户提交的查询词进行扩展和修正，将修正好的查询词提交给搜索引擎接口，反馈给用户个性化的信息。 在进行上述理论分析和研究的基础上，对用户使用搜索引擎的记录进行了跟踪，结果发现，通过挖掘用户访问网络日志及用户访问内容建立的用户兴趣模型，提高了用户查询信息的效率。