随着Internet应用的发展,网络信息快速增长,信息种类也越来越多,人们面对太多的信息无法选择和消化,Internet上信息资源分布的广泛性使得用户寻找感兴趣的信息增加了困难。为了使用户可以有效地获得所需的信息,因此出现了像Google、百度及Yahoo等搜索引擎。然而,传统的搜索引擎将使用者都视为一个群体,只针对整个群体来提供服务,而忽视了个人的差异,未考虑个体用户的兴趣偏好,因此只要用户的操作方式和查询关键字相同,就会得到相同的搜索结果。在使用者很明确自己的需求且能输入精确的查询时,传统的搜索引擎几乎都可以满足其需求。但是,用户使用搜索引擎的目的通常都是因为其所拥有的信息不足才想要获得更多的信息,在这种情况下难以要求用户能输入精确的查询,因此其所输入的查询关键字往往提供的信息过少或是语义模糊,导致搜索引擎无法正确的满足用户个性化的需求。本文基于上述问题,作了如下工作:提出一种基于搜索引擎的个性化推荐系统模型,通过分析搜索结果与用户的兴趣偏好之间的关联程度对搜索结果进行个性化的排序推荐,以此来提高用户对搜索结果的满意程度。将模糊概念网络应用于个性化网页排序推荐,利用模糊概念网络储存用户的兴趣偏好等信息,使得搜索到的每一个网页都与用户的兴趣偏好相关联,通过模糊概念网络即使一个关键字(代表用户的兴趣偏好)在某一网页上并未出现,但仍可通过与其他关键字相关而与该网页产生关联。实现用户资料档自动更新。由于用户的兴趣偏好可能会随着时间的不同而有所改变,并且用户并不一定能将其兴趣偏好完整地、准确地输入系统,所以本文通过分析使用者对搜索结果的反馈信息,不断地对记录用户兴趣偏好的用户资料档进行修正,使其能更准确地表达用户实时的兴趣偏好。