人类社会进入信息时代,信息量的与日俱增为人们带来了信息共享的快乐。但随着网络信息资源迅速增加,人们已经越来越难从网上找到自己想要的信息,大量的有用信息淹没在无用信息之中。为了使用户可以及时准确地获取所需的信息,使网络服务更加的个性化与智能化,搜索引擎、个性化信息服务是必然结果。搜索引擎的出现也提出了一道难题,对于用户不同时间而同样的检索词,得到的大多是相同的或者是较相似结果。同时,为了解决不同用户的不同需求,传统的建立个性化信息服务的方法只是比较机械的根据用户即时填写的信息和已有信息进行查询,返回的结果重复性仍然较大。如何使用户方便有效地从众多的网络信息中获取有用的信息?本文利用元搜索技术,针对个性化信息服务的需求,提出并完成了元搜索结果后处理模型:(1)根据用户检索记录及其对检索结果的操作记录,建立用户模型。(2)在用户进行信息检索过程中,对其当前检索结果与该用户模型中历史的检索结果进行相似度计算,得到相似度较低的结果,将其判定为更新后的信息。(3)根据上述得到更新后的信息,利用朴素贝叶斯算法进行分类处理,提供用户更加贴切的信息。(4)在整个模型中,对各模块交互及需保存数据的文本,利用本体语言,对数据进行统一结构化表示,利于程序对其的操作以及下一步的研究。最后,本文针对变更信息,采集了近4个月的统计实验。实验结果表明,对于不同时间,每次100条反馈结果的检索,该模型可以提供用户相应更新后的信息。同时,本文对一般搜索引擎的检索结果和经本模型处理后的信息分布进行对比实验。对比结果表明,利用该模型完成的元搜索结果后处理,对信息分布有了明显的改善,使搜索引擎收录结果中,更新后的信息集中分布于检索结果前列,满足用户需求。