随着通用搜索引擎技术发展的成熟,个性化、智能化逐渐成为了搜索引擎技术的发展方向。个性化搜索引擎的重点是用户兴趣模型的创建与更新,因为用户兴趣模型的质量决定了个性化服务的质量,很多个性化处理过程都建立在用户兴趣模型的基础上。因此,如何建立高质量的用户兴趣模型,并将其应用于查询结果的优化,是一项具有实际应用价值的研究课题。本文针对现阶段个性化搜索引擎面临的一些问题,指出基于传统TF-IDF算法建模的不足,将内容分析和行为分析相结合,改进了TF-IDF算法,并以此为基础,利用用户手工定制建模技术与自动用户建模技术,设计了一种创建用户兴趣模型的方法；针对常用的基于用户行为和用户主题向量的更新算法存在的问题,即不能全面准确获取用户兴趣信息的问题,将用户群组中的兴趣信息作为兴趣补充,引入用户对检索结果反馈信息,提出了一种兴趣模型更新算法,并以实验证明了该算法可以有效提高兴趣模型的全面性和准确性；基于上述模型,论文进行了查询结果优化方法的研究,针对原查询扩展方法只考虑点击次数而不考虑被点击检索结果的质量的问题,通过进一步计算候选关键词权值,改进了基于用户兴趣度的查询扩展方法,并针对原个性化排序方法忽略了用户对于检索结果的态度不确定的问题,通过引入用户反馈信息计算检索结果与查询的相关度,改进了基于历史查询的个性化排序方法,实验结果表明上述改进方法使检索结果序列更接近用户点击序列；最后,本文将上述研究成果应用于个性化搜索引擎系统的设计与实现,通过系统测试证明了上述方法的有效性。