近几年来,随着社交网络的发展,用户在各个社交网站中无法满足于传统的搜索引擎提供的单一的检索服务。希望搜索引擎能够根据不同的用户,返回符合用户兴趣偏好的检索结果。然而目前已有的搜索引擎的个性化改进主要集中在对用户检索历史以及点击历史的分析,没有综合利用用户在社交网络中的社交关系,话题标签以及个人影响力等多种特征,这样无法为用户提供能够兼顾用户多方面个性化需求的检索结果。本文通过第三方API接口获取了知乎网络的真实数据,首先对知乎网络的用户数据特征进行分析和筛选,建立了知乎网络用户模型。该模型主要由用户话题模型、社交行为模型以及影响力模型三个模型构成,并且分别设计了各个模型的计算方法与更新机制。在影响力模型的设计中,本文基于知乎网络用户的多属性,提出UpVote_Rank算法。该算法主要是基于PageRank算法进行改进,不仅使用了用户在网络图中的拓扑属性,还综合考虑了用户在知乎网络中的社交表现,包括用户获得的点赞数和感谢数,使得最后计算的用户影响力,能够真正反映用户在知乎网络中的重要程度。本文基于建立的知乎网络用户模型,设计了个性化搜索策略,包括对个性化检索结果的评分和排序机制。具体是,基于传统的BM25权重模型的基础上,结合用户模型对用户的评分,对检索结果进行个性化评分,然后根据该评分对检索结果进行排序。使用真实数据对该策略进行了实验仿真,分别验证了用户影响力模型、用户话题模型以及用户社交行为模型三个子模型的有效性,并且通过实验证明了用户模型综合效果的有效性。本文设计并实现了面向知乎网络的个性化搜索引擎,知乎用户可以在该系统中检索自己感兴趣的问题,系统能够综合考虑用户的多种属性特征,为用户提供个性化检索结果,使得符合用户社交偏好的问题排名更加靠前。