如今,高速发展的因特网为用户的生活提供便捷的同时,也不可避免的出现让用户难以获得所需信息的烦恼。对此,搜索引擎的产生为用户查询信息的方式带来了极大改变。作为一种常用的网络信息检索方式,搜索引擎已经发展为每个用户上网都离不开的重要工具,它的出现得到人们的广泛关注和使用。然而,传统信息检索工具也存在诸多不足之处。主要因为传统搜索引擎采用关键词匹配的全文检索方法,缺乏有效的对用户本身个性化信息的挖掘,从而不能有针对性的为用户提供个性化查询服务。所以在考虑和分析不同用户的信息需求的基础上,个性化搜索系统应运而生,它的出现能够在一定程度上满足用户的个性化信息需求。本文借鉴了电子商务网站中广泛采用的信息推荐技术,提出了较为可行的个性化信息推荐方案,即在用户搜索中使用查询推荐技术,以实现个性化搜索推荐。相关研究表明,用户的查询点击历史反应了用户的搜索习惯和查询偏好,所以本文对用户的历史查询数据进行深入分析,提出了用户点击模型,预测用户查询相关性并最终给出推荐。文中的研究主要集中在查询推荐上,首先根据用户的搜索点击历史数据,使用朴素贝叶斯理论训练出一个用户点击模型,根据这个点击模型对用户当前提交的查询进行分析,预测查询与链接的点击率,然后根据反向点击图模型将预测的值分配给相应查询,据此对查询进行相关度排序,将前k个最高预测值的查询推荐给用户。其次,本文在单个用户历史数据的基础上,对其进行补充,提出协同相似计算的用户查询推荐技术,将具有相同搜索行为的用户数据汇集到目标用户。该方法可以解决目标用户数据量不足的情况,另外还可以为用户提供一定的查询推荐的扩展性和新颖性。在用户的相似计算中,将每个用户的历史查询日志整合为一篇文档,使用余弦向量模型计算文档间的相似性；再使用推荐系统中的协同推荐理论,将用户对每个链接的点击频率比作为相关偏好评分,基于这些点击评分,使用改进后的欧氏距离计算用户间的相似度；最后将两种相似计算方法采用线性加权的方式整合,计算出目标用户的相似用户集,最终将采用点击模型进行查询推荐。本文最后基于查询推荐的分析,实现了一个简易的个性化搜索引擎系统。在本系统中,将相关查询推荐算法引入到了系统中,并将用户点击模型应用到网页排序上,实现了个性化的查询推荐和网页排序功能。