Internet已经成为人们获取资源和信息交流的主要场所。然而，在信息量浩如烟海的Internet上寻找所需的信息，仍然是一项极富挑战性的工作。随着传统搜索引擎的发展，一方面其实用性在不断加强，部分解决了人们的信息搜索问题；另一方面，由于其自身的局限性，限制了人们对资源更有效的获取。因此要从Internet上获取有价值的信息，就必须有一套高效的解决方案。元搜索引擎正是这种需求的产物。元搜索引擎是基于搜索引擎基础之上的搜索引擎，它可以同时检索多个成员搜索引擎，对成员引擎返回的结果信息进行融合、再加工后二次陈列给用户。它主要通过成员搜索引擎选择、文本选择、结果合成三个主要步骤来完成信息检索任务。 本文以用户兴趣模型为基础，研究并实现了用户个性化搜索的相关算法，分别对元搜索引擎的几个关键技术：用户个性模型的实现、成员引擎的调度、搜索结果的整合等，进行了研究和分析，并在此基础上提出了相应的算法。本文主要的研究工作如下： （1）用户兴趣的向量表示。研究以兴趣分类模型为基础，基于向量的用户兴趣表示方式，提出了用户兴趣向量初始化与更新的方法。 （2）提出了基于用户兴趣的成员引擎个性化调度算法。 （3）提出了基于用户兴趣的搜索结果合成算法。 最后，本文根据以上研究内容并结合实际应用，实现了一个个性化元搜索引擎实验系统，并对文中提出的算法进行了实验和分析，结果显示该系统能够正确地理解用户查询意图，提供更符合用户查询意图的结果。