随着信息时代的到来，互联网上数据规模呈指数增长。一方面搜索引擎的数据抓取覆盖率远不及信息增长的速度，另一方面网民的数量和质量都在提高，这对搜索引擎提出了更高的要求。搜索引擎如何提供更好的用户体验，更精确的个性需求排序结果，是现代个性化搜索引擎的研究热点和发展方向。本课题从搜索引擎整体的架构原理开始分析，提出个性化因子概念，对用户兴趣模型的构建和更新进行分析，最终实现基于用户兴趣模型的个性化搜索引擎原型系统。主要工作体现在以下几个方面：1.分析总结目前个性化搜索引擎构建方案。包括基于查询改进、设置页面权重、元搜索引擎合并和网络爬虫采集个性化方案，进而确定本课题使用查询改进与页面权重相结合方式来构建个性化搜索引擎。2.用户兴趣模型构建。根据兴趣页面概念提出兴趣页面判定公式，独创性提出兴趣模型与用户兴趣模型解耦合方式。利用ODP生成兴趣模型，形成具有兴趣等级的树状结构模型，用户兴趣模型则是用关键词及权重构成向量，通过两者之间的映射关系在实际应用中进行转换处理。重点研究用户兴趣模型构建方案，从兴趣页面提取页面特征词，利用判定公式得到用户兴趣特征词，根据兴趣特征词出现的位置重新计算兴趣特征词的权重值。用户兴趣模型更新策略体现在权值的变化上，对长期兴趣和短期兴趣以及兴趣词所在层级关系分别使用不同的遗忘因子对权值进行更新。3.在Lucene公式中引入个性化因子。对Lucene评分算法机制进行分析，利用其开源和良好的扩展性，将用户兴趣模型的权重加到排序算法中，使得排序结果体现用户兴趣偏好。4.实现个性化搜索引擎原型系统，并对结果进行比较分析。利用Nutch和封装了Lucene功能的Solr开源框架搭建个性化搜索引擎，在程序代码中调用Solr应用服务。考虑到Solr自带分词器对中文不支持，使用了第三方IKAnalyzer插件进行分词。最后选取了几组关键词进行查询并对结果进行比较分析，证明本课题所使用的个性化因子在应用中的可行性。