随着网络技术的迅速发展，互联网上的信息量呈几何级数的增长。对于不同背景和不同兴趣爱好的人，要从浩瀚的信息海洋中找到其需要的信息，是一项较大的挑战，个性化的信息检索系统满足了这一要求。个性化信息检索的核心是用户兴趣建模，用户兴趣建模是指从有关用户兴趣和行为的信息(如浏览行为、浏览内容、知识背景等)中归纳出可计算的用户模型的过程，用户模型的好坏直接影响了搜索的结果。　　 本文对个性化信息检索中的用户兴趣建模部分进行了研究。针对文档相似度计算精度不高的问题，提出一种基于加权语义网的文档相似度计算方法，得到更为准确的文档相似度；在计算兴趣度权值时，引入有效信息的概念及量化方法，以解决用户兴趣类权值计算过于主观、忽略网页本身特性的问题，并提出具体权值算法，较大程度地提高了权值计算的准确性；针对现有方法难以准确描述用户兴趣偏移的问题，提出一种新颖的基于矩阵表示的用户兴趣偏移处理方法，实验表明，该方法较已有方法更准确地处理了用户兴趣的偏移。所做的具体工作包括：　　 (1)在计算文档相似度时，针对VSM(Vector Space Model)方法影响计算精度，语义网方法忽略词语本身特性的问题，引入加权语义网进行文档相似度计算。利用现有语义网WordNet的语义结构，并基于VSM方法来计算特征词在文档集中的权重，加权形成加权语义网，用以计算文档中特征词两两之间的相似度；提出相应算法，进一步计算两个文档的相似度。　　 (2)计算用户兴趣类权值时，提出有效信息的概念，通过已得到的用户兴趣聚类结果，获取文档中有效信息区域及其信息量大小，计算用户在有效信息上的驻留时间，即有效驻留时间，进一步计算兴趣类别的权值。　　 (3)提出一种基于矩阵表示的用户兴趣偏移处理方法。引入时间窗口，对短期兴趣进行分组；采用语义网，合并用户兴趣类别；通过以上两步得到用户兴趣矩阵。用兴趣率代替兴趣度，优化用户兴趣矩阵；最后，分析兴趣矩阵，综合考虑兴趣的持续性和波动率，计算最终兴趣大小。