“万物互联时代”使得互联网上的信息量激增,跃升到ZB级。而随着社交网络的飞速发展,更加剧了互联网数据量的增长。人们在互联网上查找信息和获取服务的难度始终没有降低,“信息过载”和“资源迷向”问题愈加严重。为了解决这两大问题,搜索引擎和推荐技术应运而生,在为网络用户获取有效资源提供个性化服务的同时,其自身都得到了飞速的发展,且有融合发展的趋势。本文将元搜索引擎技术、社交网络和推荐技术相结合,主要研究了以下内容:第一,本文对元搜索引擎及其个性化进展进行了研究,总结分析了当前元搜索引擎的关键技术,并在基础上提出了基于推荐技术的个性化元搜索引擎的设计方法和步骤。第二,本文对推荐技术的关键环节—用户兴趣建模的研究现状和关键技术进行了分析总结,提出了一种利用社交网络信息的用户兴趣建模方法UIMSNI。此方法采集社交网络平台—新浪微博的信息作为用户兴趣模型的输入,采用改进的BIRCH聚类算法对输入信息进行层次聚类,进而得到层次空间向量的用户兴趣模型。第三,本文对个性化元搜索引擎的成员调度策略和个性化推荐进行了讨论,提出了一种基于UIMSNI方法的成员调度策略和推荐策略,最终实现了社交网络、推荐技术、元搜索引擎三者的结合。最后,本文在上述三点研究的基础上,设计实现了个性化元搜索引擎(PMSE)。通过对比实验对本文提出的方法进行了验证。实验结果显示本系统能够提供个性化检索,满足用户兴趣需求。