随着互联网的发展，文本过滤技术成为互联网内容处理的关键技术，对海量信息处理具有很重要的意义。传统的文本过滤方法，如基于统计的向量空间模型方法和概率模型方法，速度快，可实现性好，但由于这些方法缺乏语义理解能力，从而使过滤效果难以满足日益复杂的用户需求。目前的研究热点是基于语义的过滤方法，但是这些方法一般都需要大量规则和领域知识的支持，可用性不好。为了使机器更好地理解用户需求和文本内容，提高文本过滤的准确率和召回率，本文提出了基于用户本体模型(User Ontology Model，UOM)的文本信息过滤模型。该方法主要包括UOM构建、文本结构分析、信息匹配和语义相关度计算等。基于UOM的过滤方法，不仅可以表示复杂的用户需求，而且还避免了领域本体的构建，因而其有效性和实用性得到了很大的提高。通过在网络教学资源的智能按需服务系统中的实际运用，表明此方法能更有效的为用户提供过滤服务。 本文的主要研究工作有以下几点： 首先，本文给出了过滤技术的历史与现状，给出了文本信息过滤中的关键技术，包括文本信息过滤的含义、基本结构与流程、常用的信息过滤模型、过滤系统的分类、评价指标、以及中文文本过滤中常用的分词理论。 其次，本文介绍了用户需求的表示和获取、本体的相关理论和技术，在此基础上提出了基于UOM的用户需求模型，详细描述了UOM的形式化描述方法和构建过程。 再次，本文提出了基于UOM的文本信息过滤模型，给出了文本结构分析及文本与UOM匹配算法、语义相关度的计算等。 最后，本文将以上研究成果运用到实际应用中，设计并实现了基于UOM的文本信息过滤系统--网络教学资源的智能按需服务系统。