个性化信息服务由于服务对象的个体差异使其需求不断变化。现有的信息服务系统，虽然自身信息量极其丰富，但缺乏深入了解用户的方法和策略。本文在深入分析现有个性化信息服务技术的局限性以及国内、外研究现状的基础上，把人工智能Agent技术、数据挖掘技术用于个性化信息服务，通过对个性化信息服务系统结构的研究，探讨了新的结构模型，并针对用户兴趣特征的提取等关键技术进行了研究。本文在以下几个方面取得了进步： 首先，提出了面向终端用户的个性化信息助手的概念(Personalization Information Assistant简称PIA)。这是本文提出的个性化信息服务实现方法的核心内容和思想基础。 其次，根据个性化信息助手的定义，遵循以用户需求为中心的设计思想，又提出了基于Web的三层Agent框架结构模型的实现方法。该模型各层次模块功能既相互独立又相互联系，可根据需要自由调整；每一层次所涉及的技术可分别进行研究、实现；个性化信息助手的能力由个性化信息服务系统的知识范围确定。整个结构模型灵活多变、易于操作，对个性化信息服务的实现具有普遍的实用意义。 本文以用户兴趣特征的提取为研究的切入点，通过对定制服务、提问、相关反馈、Web使用记录挖掘等提取方法的研究来全面了解用户。定制服务满足用户明确分类的信息需求，获得用户基本的个性特征；提问方式为用户推荐新信息，用户进行评判并反馈给系统，以建立系统与用户间的长期信任关系，进一步获取用户兴趣特征；系统定期聚类相关反馈信息，调整用户兴趣特征；对Web服务器日志进行数据挖掘，能够发现用户行为模式、相似用户群体，并结合用户个人信息，得到较准确的用户兴趣特征。 本文应用Agent技术实现了个性化信息服务系统的智能化，并通过对个性化信息助手的训练，能逐渐学习用户兴趣，根据用户的兴趣倾向为用户提供个性化信息服务；同时，还能关注信息的变化，将最新的信息呈现给用户，有效地减轻了用户信息查询的负担。 研究实践表明：本文提出的个性化信息服务实现方法，能有效地降低个性化信息系统实现的复杂性，几种用户兴趣特征提取方法的综合应用，能较全面地发现用户的兴趣，有效地改善了对用户的了解，实现了为用户提供信息服务个性化的数据管理目标。