随着企业生产方式和项目研发模式的改变,企业信息化建设的加速,企业和高校内部各种信息资源库的建立以及扩张,数字资源成指数形式增长。传统信息检索技术虽然搜索精度高、领域广,满足了人们一定的需要,但由于其是通用性、大众性,每个用户搜索的结果没有区别,因此不能为每个用户定制信息。在企业内部的海量的信息中,员工或用户如何更加快速的定位到自己需要的信息,寻找到自己最感兴趣的信息,本文所论述个性化搜索旨在解决这个问题的。论文分析传统的用户兴趣偏好模型,针对传统兴趣偏好模型的不足,提出采用多层次加权兴趣树模型来表达用户的兴趣偏好,该模型融合了概率模型和向量空间模型,有效地表达了用户兴趣偏好;利用领域分类模型上的偏好因子表达用户的兴趣偏好,引入遗忘因子,优化了用户兴趣偏好模型调整算法。用户通过搜索引擎获得的检索结果集合往往很庞大,搜索引擎是否成功决定于检索结果的过滤、排序。而如何对这些结果文档进行过滤,筛选出与用户兴趣最接近的文章,是个性化搜索引擎要解决的一个重要问题,本文针对传统过滤方法的不足,提出了领域排序和局部排序的概念,并提出了个性化综合排序算法。论文最后给出了企业资源管理系统的设计与实现方法,并在此资源管理平台上设计了个性化搜索模块,该个性化模块实现了本文算法,并进行了实验论证,对比实验证明,该用户兴趣偏好模型比传统的向量空间模型和概率模型更好地表达了用户的兴趣偏好和动态更新、能有效提高文档检索的准确率。因此,基于用户兴趣偏个性化搜索技术的研究,能显著增强用户的个性化体验,能为用户更准确更快的找到目标数据。