在高校图书馆数字资源迅猛增长的今天,信息检索服务作为图书馆对外核心业务,它向外提供有序和有效的资源。图书馆这种典型的企业级搜索引擎,有着安全保密、权限等特点,大部分系统数据只能通过专业的企业搜索引擎提供给特定用户。图书馆检索系统虽然发展迅速,但传统的基于关键词的检索系统仍有很多不足之处,主要表现在以下三个方面:1.不够智能。用户在不能清楚描述检索关键词或对关键词把握不准确时,搜索系统返回的结果与用户的真正需求相差甚远,用户很难得到想要的结果;2.不够准确。经过关键词搜索后,搜索结果数量大,达不到信息有效过滤的目的;3.不具备个性化。单一的搜索结果体现不出用户的兴趣偏好和真正需求,致使大部分的无益信息需要逐一排除,造成时间和精力上的浪费。本文针对上述问题展开研究,具体研究内容如下:第一,分析和研究了搜索引擎的基本结构和原理。深入研究中文分词技术和排序技术。选取合适的中文分词技术方案,改进排序算法。第二,分析和研究了以协同过滤算法为代表的多种个性化推荐系统。通过收集挖掘用户历史行为记录,抽取用户的兴趣喜好模型,并应用于个性化推荐系统。第三,基于Lucene的排序技术和个性化推荐结果,重新对检索结果排序,实现了对某高校传统的图书馆搜索系统的优化。