互联网的普及带来了信息过载的问题,RSS信息服务虽然能够实现信息推送,在一定程度上解决信息过载问题,但缺乏个性化考虑。用户建模技术作为个性化信息服务的基础和核心,是当前研究的热点。为了更好地实现个性化信息服务,本文对用户兴趣模型的相关技术进行了深入研究,并将其应用于RSS信息服务中,主要工作和贡献有:1.改进了基于向量空间模型的用户兴趣模型表示方式,增加了长、短期兴趣的标识和更新时间,同时也改进了传统的利用TF/IDF公式计算关键词权重的方式,增加了基于隐式反馈行为的页面兴趣等级参数,改进的方法更能有效地表示用户的兴趣。2.提出了结合渐进遗忘和Rocchio方法来更新长期兴趣模型的算法,而短期兴趣模型则采用滑动时间窗口的方法进行更新,并且当短期兴趣满足一定条件时则转变为长期兴趣,本文提出的用户兴趣模型更新方法能够及时、准确地追踪用户的兴趣漂移。3.提出了基于信息推荐技术的用户兴趣模型优化算法,该算法进一步优化用户的混合兴趣模型,能够根据用户的反馈信息自适应调整长、短期兴趣在混合模型和信息推荐技术中的比重,更好地为用户推荐其感兴趣的资源。4.基于本文提出的用户兴趣模型的更新和优化算法设计并实现了个性化RSS新闻推荐系统,该系统将RSS技术与个性化信息服务技术结合起来。通过在此系统上的实验,验证了本文提出的用户兴趣模型的更新和优化算法是可行和有效的。