随着Internet技术的迅速发展,Web信息日益膨胀,人们不得不花费大量的时间去搜索自己需要的信息。目前大多数的搜索引擎提供的服务还不能令用户满意,如何从大量的网络信息中挖掘出针对不同用户的个性化资源已经成为研究的热点。本文设计并实现了一种智能信息检索系统,并对其中的核心模块个性化信息挖掘模块做了深入研究。论文首先分析了元搜索引擎的工作原理和体系结构,探讨了Agent技术在信息检索上的应用;之后研究了Web文本挖掘中的关键技术,其中着重分析了文本自动分类技术,提出了一种改进的基于神经网络的文本分类算法,并对该算法做了可行性验证。接着分析了文档向量空间模型,根据网页中标签的权重特性,提出了一种改进的按标签分级加权的算法。此外,针对用户访问兴趣和访问频度的特点,采用文档预处理、用户识别、会话识别等一系列步骤,建立了一种三层动态兴趣模型,利用该模型对检索信息进行过滤,较好的满足了用户个性化查询的需求。