随着网络信息的爆炸性增长,如何在浩瀚的网络信息资源里查询出自己想要的信息变得越来越重要。现有的通用搜索引擎在一定程度上满足了用户的需求,但是它们完全忽视了用户的兴趣和背景。个性化信息检索技术的出现正是为了满足这种需求,它能够为不同的用户提供个性化的检索结果。本文讨论了用户兴趣的获取和描述方法,以及用户兴趣模型与检索模型的结合方式等个性化信息检索中的主要问题。本文首先讨论和分析了当前主要的信息检索模型,然后针对用户兴趣的获取和描述方法,提出了基于同现词条的用户兴趣模型构建方法。考虑到不同用户的个体行为差异,本文又提出了一种基于缓存的用户兴趣模型更新方法。之后根据现有信息检索系统的特点,设计了一种兴趣模型和检索系统的结合方式——用户查询的个性化扩展技术。最后描述了系统的整体设计、实现和测试结果。本文重点讨论并实现了以下三方面的内容:信息检索模型,用户兴趣建模技术,以及用户查询扩展技术。利用以上技术,本文初步实现了基于多Agent的个性化信息检索系统,并设计了相应的实验。实验表明,相对于通用检索系统,该系统的前10个结果的平均准确率提升了16.25个百分点,平均排序倒数的提升也可达到15.2%,能够为用户提供更符合其当前需求的检索结果。实验还表明,对于多兴趣用户,该系统也能够提供较好的个性化服务。