在搜索过程中,如果用户不了解目标领域,或者用户的搜索任务相对比较复杂,或者系统对信息的索引不充分,这些情况下用户的搜索行为通常称为探索式搜索。查询推荐可以找出与初始查询或关键词相关的其他查询或关键词,帮助用户发现需要学习的概念,成为了支持探索式搜索的有效方法。在探索式搜索中,由于每个用户的学习能力不同,其对查询推荐给出的推荐结果的理解能力也不同。因此,需要在探索式搜索的查询推荐中,基于用户概念学习能力对查询推荐给出的结果进行选择,从而帮助用户更好地完成探索式搜索。针对上述问题,本文研究基于用户概念学习能力的选择性查询推荐方法。本文首先针对如何描述用户现有的知识和学习知识需要的知识的问题,研究如何构建用户知识模型和概念关联模型;接下来针对如何度量用户能否理解一个概念的问题,研究用户概念理解能力的计算方法。随后,对于如何生成用户的学习路径问题,本文研究了如何基于用户日志生成用户学习知识的路径的方法;最后,研究如何从生成的学习路径集合中选择出一条最适合用户学习的路径,引导其对无法理解的概念进行学习。具体的,首先,针对知识描述问题,本文在大众分类法下的大规模资源的基础上,提取有效信息后实现了用户知识模型和概念关联模型的构建。随后,基于用户知识模型和概念关联网络,计算出用户可以理解的概念和用户无法理解的概念。接下来,本文通过对用户日志的分析和处理构建了用户的查询次序网络,生成了用户学习目标概念的路径集合。最后,本文利用用户可以理解的概念集合、用户无法理解的概念集合和学习路径集合等信息,在生成的学习路径的基础上,采用基于用户概念理解能力的学习路径选取方法,综合考虑多种因素,选取出一条最适合用户学习的路径推荐给用户,实现了基于用户概念学习能力的选择性查询推荐。为了验证用户概念理解能力计算方法以及引导用户学习路径的选取方法的效果,本文从客观测量分析和主观测量分析两个角度进行实验。实验结果表明,本文提出的基于用户概念学习能力的选择性查询推荐方法可以达到帮助用户进行探索式搜索的目的。