随着Internet的迅速发展,如何在浩瀚的网络信息资源中查询自己想要的信息变得越来越重要。通用的搜索引擎在一定程度上满足了用户的搜索需求,但是它们未考虑用户的个人兴趣与背景。个性化搜索技术的产生正是为了满足这一需求,它能为不同兴趣和背景的用户提供满足其个性化需要的搜索结果。本文围绕个性化网络搜索的研究逐步展开,针对个性化搜索的关键技术之一——相关反馈进行了深入的剖析,并建立了两个有效的数学模型描述用户的浏览行为与兴趣度之间的关系。考虑到用户行为的个体差异性,本文设计了一个用户浏览行为与兴趣度关系建立与更新的算法,该算法可以针对每一个用户的特点,综合利用用户的隐式反馈和显式反馈获取用户感兴趣的网页。针对个性化搜索的第二个关键技术——描述文件(Profile)的利用提出了采用二级兴趣模型描述用户兴趣集的算法,该算法能够综合利用用户过去和当前的兴趣处理搜索结果。在进行上述理论分析和研究的基础上,设计并实现了一个个性化搜索系统。讨论了其中所采用的Browser Helper Object、网页文本内容的处理、Google的API调用等技术。为了考察不同用户之间网页浏览行为的差异性,本文设计了相应的实验。实验证明用户的浏览时间、鼠标移动次数、滚动条移动时间存在着较为明显的个体性差。另外,对前面提出的二级兴趣模型的性能进行了实验评估。