随着互联网上信息资源的日益增多,用户对个性化服务的要求也日益提高。现有的个性化服务系统分别拥有自己的用户模型,即使存储了相同或相似的用户信息也不能共享。因此,用户要访问多个个性化服务系统时,不得不重复注册自己的信息。跨系统个性化服务以用户为中心,能在不同的系统之间重用用户信息,从而可以解决上述问题。本文主要研究面向跨系统个性化服务的多源用户模型的聚合方法。研究的具体内容如下。首先,针对现有用户模型中用户个人偏好的表示方法不够准确的问题,构建了一种基于领域本体的用户模型,给出了用户模型的形式化描述,讨论了用户模型的学习和更新过程,并且详细分析了同一领域中的多源用户模型的聚合过程。其次,针对现有本体概念相似度的计算方法不够准确的问题,提出了一种本体概念综合相似度的计算模型;针对多源用户模型聚合过程中用户聚类算法的不足,通过构建用户内积空间模型,给出了用户相似度的计算方法,提出了一种基于用户内积空间模型的用户聚类算法,并且从多个方面与其它算法进行对比实验,验证了该算法的有效性。最后,在多源用户模型的聚合过程中,针对本体映射中概念相似度计算不够准确的问题,提出了基于概念综合相似度计算的本体映射方法,并且对多个本体间的映射策略进行了分析。把该本体映射方法用于模型聚合过程中,通过实验验证了用户模型聚合方法的有效性。