随着网络信息资源的快速增长,互联网已经成为人们不可或缺的信息来源。然而,相对于巨大、无序的互联网信息空间,每个用户真正需要的信息非常有限,仅仅是互联网信息空间的沧海一粟。海量的信息资源供给和有限的目标资源需求之间的矛盾,使得我们必须寻求一种能够快速、准确地从浩瀚的信息资源中找到所需信息的方法。正是在这样的需求驱动下,个性化服务技术得到了长足的发展,成为了当前信息服务领域的研究热点之一。用户兴趣建模是个性化服务技术的核心内容。用户模型能否准确地反映用户的兴趣决定了个性化服务系统所提供的服务质量的优劣。本文对用户兴趣建模过程中涉及到的关键问题展开了研究,主要完成了以下四个方面的工作:(1)提出了三种不同的用户兴趣信息获取方案:面向搜狗文本分类数据的用户兴趣信息获取方案、基于伪相关反馈机制的用户兴趣信息获取方案、面向搜狗检索系统查询日志的用户兴趣信息获取方案。为研究工作提供了较丰富的实验数据。(2)提出了双层模型结构的用户兴趣模型表示方法,并针对该模型表示特点,提出了两个评价指标,制定了标准答案集合标注标准,构建了用户兴趣建模的评价体系。(3)实现了基于类别映射的用户兴趣建模DEMO系统,在该系统上展开了多组实验。通过实验结果对模型以及实验数据展开深入的分析。实验结果表明该模型能够比较好的完成用户兴趣建模任务。不同的构建方法获取的用户兴趣信息在该模型上取得的实验效果差异取决于实验数据的质量。(4)提出了基于记忆模型的用户兴趣建模方案,该建模方法能够在模型学习的同时完成模型的更新工作。最后将该建模方案与基于类别映射的用户兴趣建模方案进行了对比实验。实验结果表明,基于记忆模型的用户兴趣建模方案在性能上略优于基于类别映射的用户兴趣建模方案。