在这个信息爆炸的年代里,快速地、有效地在Internet上查询信息是一项艰巨的任务。搜索引擎增强了人们定位和收集信息的能力,但现有的搜索引擎在搜索效率、信息维护、信息重复、网络及站点负载等方面还存在着很多不足,研究开发功能强大、覆盖面广、接口友好、返回信息准确的网络搜索引擎已成为亟待解决的课题。元搜索引擎正是满足这种需求的产物,元搜索引擎技术是一种集成搜索引擎技术,它主要通过成员搜索引擎选择、文本选择、结果融合三个主要步骤来完成信息检索任务,如果系统策略设计得当,成员搜索引擎选择方法合适,那么相对于独立的传统搜索引擎来说,元搜索引擎一般可以达到更高的搜索覆盖率和更好的查询效果。但是元搜索引擎也会面临与传统搜索引擎一样的问题,就是不能对用户进行个性化分析和提供相应的有针对性的服务,而且如果系统的集成策略设计地过于简单和机械化,则元搜索引擎多数情况下并不会取得更好的信息检索效果。本文针对现有元搜索引擎的局限性和当前用户的个性化需求,以用户兴趣模型为基础,提出了实现用户个性化搜索的相关算法。本文主要的研究工作如下:(1)分析了个性化搜索的特点,研究了用户模型及基于用户模型的学习方法。(2)提取用户兴趣主题特征,分析出用户搜索的兴趣类,这些兴趣类为成员引擎个性化调度和结果合成处理提供了依据。(3)提出了基于用户兴趣的成员引擎个性化调度算法。(4)提出了基于个人兴趣的搜索结果过滤算法。最后,本文结合实际实现了一个个性化元搜索引擎实验系统,并对文中提出的算法进行了实验和分析。同时,面向用户对搜索引擎的需求发展趋势,指出了今后的主要研究方向。