随着Internet的飞速发展,人们能够比以往更容易、更直接地通过网络获取各种形式的信息。现有的Internet搜索引擎如:Google、Yahoo、WebCrawler等,可以帮助人们搜索Internet上的各种信息。但由于语言的模糊性,词语的多义性,利用现有搜索引擎用户常常难以准确地表达用户兴趣;而且不能区分用户;他们也不能主动从网络上发现和收集用户需要的信息,用户要查询同样的兴趣,只能再次搜索,己获得最新的网页内容,浪费了用户大量的时间。面对网络信息服务的这种现状,人们在寻求一种将信息用户感兴趣的信息主动推荐给用户的服务方式,这便是个性化的主动信息服务。在实现个性化的主动信息服务中,智能Agent技术起到了至关重要的作用。本课题针对目前信息检索系统存在的不足,首先,在系统地介绍信息检索研究现状的基础上对个性化信息检索的发展、工作原理和现状进行了简要综述,并对Agent技术做了介绍。然后,从现有问题入手,开发设计了一个基于Agent的个性化智能信息检索系统模型。对基于Agent的个性化信息检索系统的基本结构、方法及相关技术进行了研究。该模型由用户信息检索个性Agent、信息搜索Agent和信息过滤Agent三个模块构成,分别对三个模块中的关键技术进行研究。信息检索个性Agent研究是本文重点。用户信息检索个性Agent通过学习用户的兴趣,使其具有一定的智能性。通过用户信息需求的表达和信息反馈,形成并训练用户信息检索个性模型。在对用户个性化进行深入研究时,提出了一种改进的用户兴趣模型,并详细说明了其生成和更新实现算法。再次,信息搜索Agent通过查询代理与Internet搜索引擎连接,既可实现元搜索,又可以在返回的网址较少或不满足用户的要求时,使用自身搜索工具在网络上自主搜索,而且搜索算法从查询代理返回的网址出发进行搜索,减少了搜索的范围,加快了搜索的速度。信息过滤Agent根据用户已有的信息资源分析用户喜好,采用向量空间法进行信息过滤。接着本文对具体实现进行了介绍,实现了系统的部分功能。结果表明,该平台可减少搜索范围,加快搜索速度。最后,对本文的研究以及进一步研究做了总结。