Web信息的快速增长,使得搜索引擎成为用户信息检索的主要工具。现有的搜索引擎基本上采用“一个搜索适用所有用户”的模型,体现不出用户真正的兴趣所在。因此,搜索引擎的个性化研究成为当今Internet信息检索方面的一个重要课题。在对个性化搜索引擎和Web挖掘等相关技术研究的基础上,深入分析了基于词频的TFIDF算法,该算法将用户浏览的页面置以平等的地位,忽略了文档与用户兴趣的相关性。针对这一缺点,分析了用户浏览页面与用户兴趣的相关因素,结合Web挖掘技术与相关反馈思想,提出了页面相关性权重的概念。将页面相关性权重与TFIDF算法相结合,提出了一种加权TFIDF算法。通过分析文档结构、用户浏览行为信息及用户对文档的评价信息,设计了一种基于加权TFIDF算法的三层用户兴趣挖掘策略,来创建和实时更新用户兴趣模型。分析了常用的基于向量夹角余弦的相关度排序算法存在的缺陷,在用户兴趣模型基础上,提出了一种改进的基于VSM的个性化文档相关性排序算法,根据用户的兴趣爱好对文档进行过滤、排序,提高系统的查准率。设计并实现了一个个性化信息检索系统,通过兴趣模型对用户输入的查询关键词进行查询扩展,将检索结果与用户兴趣相匹配,并按文档相关性大小进行排序,过滤其中低于指定阈值的文档。该系统在保证查全率的前提下,提高了系统查准率,实现了个性化信息检索的目的,同时也证明了算法的有效性。