WWW的迅速发展使其成为全球信息传递与共享日益重要和最具潜力的资源，海量的信息资源，需要新技术(数字图书馆，知识发现等)的产生，同时也为传统技术(如数据库、信息检索、人工智能等)的研究提出了新的方向。如何管理WWW上的大量信息，以满足用户不断增长的个性化的信息需求，是研究人员面临的新课题。 为了满足用户的个性化的信息需求，系统必须知道用户的兴趣。我们通常用user profiles来描述用户的兴趣。因此user profiles能否准确地反映用户的兴趣决定了系统提供个性化信息服务的质量。 本文提出的方法基于反馈和前馈相结合的复合控制思想以及多个相关向量模型方法。与已有的方法相比，我们将user profiles表示为多个相关的兴趣向量，其个数、大小以及元素均可自适应地随着用户的访问行为而产生变化，因此能更准确地表示用户复杂多变的兴趣。虽然人们在user profiles的建模这方面的研究不少，但是我们的方法兼顾了user profiles的复杂度和质量(能够同时获得较高的过滤质量和适宜的user profiles的大小)，而且具有增量式的特点，特有的复合控制机制更提高了它对用户兴趣变化的适应能力。这使得它适用于大规模的信息过滤应用例如基于push的WWW信息发布。 本文首先阐述了与在大规模数据发送中基于复合控制原理的用户兴趣的自 四）11大学硕土学位论文适应模型相关的一些技术。在分析单模型系统和多模型系统以及纯粹的基于用户反馈的系统的不足后，提出了一种在大规模数据传送应用中的一种带有复合控制的用户兴趣建模的自适应方法。文中详细描述了该模型的建立和维护的方法，以及复合控制机制的组成部分的结构和功能及相关的算法。最后，我们讨论了过滤系统的测试及评价标准，并分析了实验的结果，证明了算法的可行性。