随着搜索引擎的发展,用户对于信息检索的需求也日益提高。为了更好的满足用户对于查询的需求,个性化检索技术应运而生。其主要是用于解决在信息检索时如何根据用户兴趣返回对应的搜索结果的问题。在这一过程中,越来越多的资源被引入其中,用来构建用户的兴趣。随着Web2.0的发展,社会化标注系统得到了很好的普及,而社会化标注作为用户直接给出的资源,对应个性化检索有着很大的意义。目前,基于社会化标注的个性化检索的有效性已经得到了很好的验证,但依然存在一定的上升空间。本文的主要目的就是在于如何能够使用社会化标注更好地提升个性化检索的效果。在使用社会化标注进行个性化检索时,要注意标签只是用户兴趣的一个方面,不能完全表示。同时不同用户给出的标签在质量上也有区别,这种质量也会对检索的准确性产生影响,同时标注的稀疏性问题也会给检索带来一定的困难。基于上述分析,本文的主要贡献包括以下两方面：首先,仅使用社会化标注时,本文提出了基于用户相似网络的个性化检索方法。用类比VSM模型的方法计算标签对于用户的权重,并引入了用户在文档上的相似性这一概念,使用户相似度计算更加准确。同时将用户之间的相似关系看作网络关系,参考网络中节点互相影响的方法在降低检索复杂度的同时解决标注稀疏的问题,从而使检索结果对于用户而言更加可靠。实验证明该方法可以在减小消耗的同时一定程度提升检索质量。其次,为了更好地构筑用户的兴趣,本文提出了一种融合用户相似度和用户质量的个性化检索方法,该方法在使用社会化标注的基础上引入了网页分类信息共同计算用户之间的相似度,并且通过两种资源结合改进的Social PageRank算法对于用户的质量也进行判断,从而在扩展时提高质量,进而提升检索效果。本文实验证明该方法对于个性化检索的效果有较大提升。