搜索在互联网行业有着重要价值。用户的真实意图存在于用户与搜索引擎交互过程产生的搜索日志中。搜索日志数据一般包含用户基本信息,用户查询词和用户浏览的网址。用户查询词集中体现了用户兴趣倾向,而用户浏览的网页文本则包含了更多的用户兴趣信息。通过对海量的搜索日志数据以及搜索引擎抓取的网页文本数据的分析与挖掘,就可以得到用户兴趣倾向。掌握了用户兴趣倾向可以为用户提供更好的搜索服务,发现潜在的用户价值。如何通过搜索日志对用户进行兴趣挖掘是本文研究的主要内容。本文从海量搜索日志入手,运用统计学相关知识,生成搜索日志数据概览并对搜索日志数据进行数据预处理;构建了用户兴趣模型,以用户兴趣向量对用户进行刻画,生成用户相似度评价指标,通过聚类算法构建模型将用户聚类,挖掘单个簇用户的兴趣;在挖掘用户浏览网页的兴趣时,本文利用已标注的网页文本数据构建了多个文本分类模型,用多个指标对模型进行评价,选出了最优的模型;为了更好地构建用户聚类模型和文本分类模型,本文比较了几种不同的文本表示模型,实践并比较了大量文本处理的技术和方法,包括中文分词技术、词向量技术、词归约技术、特征选择方法等。