传统搜索引擎只根据搜索内容返回搜索结果,并不考虑具体用户的个性需求。实际上,由于很多搜索字词同时存在于多个领域,搜索引擎返回的结果包含了很多不同的领域。而用户只希望得到某个目标领域中的结果,排除非目标领域结果的干扰,得到最符合其个性需求的搜索结果。个性化搜索已成为搜索引擎的研究热点。个性化搜索是一种通过采集用户相关操作,预测用户的兴趣爱好并产生用户的兴趣模型,将兴趣模型与搜索结果进行相似匹配来优化搜索结果的新型搜索形式。如何建立精确高效的兴趣模型,如何动态调整兴趣模型来准确模拟人兴趣的变化,如何进行准确的相似度匹配等问题一直存在于个性化搜索领域。针对上述问题,本文提出了一种基于兴趣多边形模型的新型个性化搜索方案,兴趣多边形模型是一种二维几何兴趣模型,将传统向量模型的多维兴趣值映射到二维空间,形成一个多边形图形来展示用户兴趣。基于兴趣多边形模型,提出以两个兴趣多边形重合面积来进行相似计算的相似度匹配算法。同时提出了兴趣底盘和一整套动态调整策略,兴趣底盘是包含兴趣多边形的正多边形背景,其中的兴趣领域选择分布和权重区间概念完善了基于重合面积的相似度匹配算法。动态调整策略通过将显式反馈和隐式反馈相结合,真实模拟人兴趣的演变,解决了兴趣模型实时调整的关键问题。文中设计并实现了基于兴趣多边形模型的个性化搜索系统,以一个例子展示了该系统能够参考用户的兴趣爱好,有效地改变搜索结果排名,改善搜索质量。通过搜索实验结果的统计,证明了系统的响应时间较短,搜索结果排名优化率较好。