随着互联网上信息量不断地增加,信息的种类也在不断增加,上网的人数也在不断增加,而且用户的成分也在发生变化,如何满足人们快速、准确而全面获取信息的要求,己经成为摆在人们面前的一大挑战。一般的搜索引擎都是基于关键词匹配的方式进行检索,由于用户输入的查询词的简短以及关键词本身的歧义性,使得检索结果对于用户而言不是很理想。主要表现在第一,搜索引擎返回的结果当中与用户需求无关的文档过多,尽管这些文档包含了查询关键词,实际上与用户的意图无关。第二,互联网上信息一直处于动态更新之中,而搜索引擎也有自身的更新周期,用户要想了解一些最新的动态,不得不在一段时间之后通过再次查询来获取最新的信息。第三,检索结果的适应性问题,如果所有用户输入相同的查询条件,搜索引擎就会返回相同的结果,尽管这些用户的需求可能各不相同。这些问题一方面会造成搜索结果的精确度降低,另一方面用户需要花费大量的时间去搜索自己感兴趣的主题。因此如何更好地理解用户查询意图并为用户提供个性化的服务显得尤为重要。本文的主要研究内容归纳如下:(1)提出了一种基于用户搜索习惯和偏好的语义聚类方法,将具有相同兴趣的用户聚为一簇,形成一个社区,并找出其感兴趣的领域,通过该方法来挖掘用户的潜在意图。(2)将聚类用户的方法应用到文献检索系统中,找出具有相同领域兴趣的用户,通过同类用户的推荐来达到个性化服务的目的。其中客观性推荐和主观性推荐两种方法被用于推荐过程中。最后,以文献检索系统为例进行实验验证,针对不同用户对相同的查询词,不同的修正行为及所点击的URL集合根据一定的规则进行聚类,识别出具有相同兴趣主题的用户,利用协作推荐技术来给当前用户提供相关的文献。实验表明,利用本文的方法,用户可以通过同类兴趣主题用户的推荐来实现个性化的服务。