随着互联网信息的迅速增长，信息资源越来越丰富，为了能让用户准确和快速地从这些海量信息中找到自身所需要的信息。因此，个性化服务顺应而生，是针对不同用户提供不同的服务和服务内容的一种服务模式。而如何准确构建用户兴趣模型作为个性化服务的重要组成部分，将直接影响个性化信息服务的质量。　　用户兴趣建模是个性化服务的重要组成部分与核心，而用户的兴趣会伴着时间发生转变，这种用户兴趣转变的现象会致使信息服务预估用户兴趣的准确性下降。为此，本文提出一种基于网页浏览行为的用户兴趣度计算方法，并引入主题兴趣度的概念和主题兴趣度的计算方法，基于兴趣主题建立层次向量空间的用户兴趣模型，基于遗忘曲线更新用户兴趣模型。实验结果表明构建的用户兴趣模型及更新方法能有效提高模型的准确率及召回率。本文的主要工作如下：　　（1）基于网页浏览行为的用户兴趣度计算：分析保存页面、收藏页面以及网页浏览速度这三种网页浏览行为，并引入网页内容预期浏览速度和网页浏览速度比以缓和网页内容大小和用户本身浏览差异等因素对浏览时间所造成的影响，对于网页浏览速度比，采用分段函数进行拟合以计算得出兴趣度，使得兴趣度的计算更为合理和准确。　　（2）基于层次向量空间用户兴趣模型的构建及更新：引入主题兴趣度的概念及计算方法，根据主题兴趣度构建层次的向量空间用户兴趣模型，并把用户兴趣模型分为长期模型和短期模型，基于遗忘曲线更新用户兴趣模型。　　实验表明，基于网页浏览行为的用户兴趣度计算方法能较为准确地表述用户的兴趣，基于改进的遗忘曲线更新的层次向量空间用户兴趣模型能够准确地反映用户兴趣的变化，在个性化服务中具有较高的使用价值。