随着因特网信息量的日益增长,网络用户对搜索引擎的功能、智能化程度和检索效果有了更高的要求,希望搜索引擎能够提供更为准确、可靠与符合其个性化需要的检索结果。因此,加强和完善搜索引擎的用户跟踪功能,记录、学习并发现用户的潜在需求和用户偏好,及时了解用户需求相关信息的变化情况,是一个十分重要又有很大的现实价值的问题。本文在研究开源Nutch工作原理的基础上,设计实现了一个具有用户行为分析功能的搜索引擎。基本思想是分析用户行为日志获取用户偏好,根据用户偏好对网页进行过滤与重组。即根据用户对结果列表点的击情况获取用户偏好,然后利用机器学习方法调整更新原有的检索函数,使那些用户感兴趣的网页在检索结果中的排名越靠前,从而提高搜索引擎的检准率。近年来,支持向量机算法被广泛地用于检索函数(排位函数)学习问题上且应用性能卓越。本文采用此算法学习针对每个查询词的检索函数即反映查询词与文档相关度的函数。然后,按照此函数对文档评分按由小到大顺序排列查询文档。试验结果表明此算法基本达到预期目的,改善了搜索引擎的检索功能。本系统在JAVA语言环境下开发,目前已经在局域网环境下运行,具有记录用户行为、分析用户偏好、学习检索函数、自动更新检索结果等功能。本引擎能够跟踪用户并及时了解用户偏好的变化情况,按照用户的需求动态更新查询结果。具有提高通用搜索引擎的智能化程度和检索质量的优点。达到了预期学习和实践的目的,为进一步研究Web挖掘奠定了基础。