本文以web电子书城信息检索平台为项目背景,首先通过潜在狄利克雷分布(LDA)的过程对电子书文档进行主题挖掘,从而将电子书-标签文本转变为电子书-主题分布及主题-特征词分布。进一步通过用户在电子书城的一些浏览行为-购买、收藏、分享、评论、浏览等行为,结合该行为所涉及的电子书主题的概率分布情况,通过本文提出的用户偏好量化算法(UPMA)计算出用户在各主题之上的兴趣分布。由于用户的行为次数没有限制,每次行为都会使原有的用户偏好权重增加。UPMA算法保证了,在不断累加偏好权重的情况下,保持最终结果的收敛性。本文搜索优化效果是通过检索结果的重排序来体现,排序环节的评分依据查询与文档相似度分值与用户兴趣匹配度的调和平均值(CIRA)算法。本文源于实验室与某企业的合作项目,以该企业书城检索系统为背景。主要完成了以下工作：一、调研国内外个性化搜索、用户建模、主题挖掘技术的研究现状。二、运用LDA方法对电子书文档(标签文本)进行主题挖掘,建立电子书-主题分布模型。三、基于用户在书城中的行为；结合电子书-主题分布,提出UPMA算法；通过该算法,可以输出量化的户兴趣偏好度,即用户带权兴趣向量。在重排序算法设计中,采用查询-文档相似度与文档主题-用户偏好相似度的调和平均值。四、在系统设计与实现方面,采用Solr作为搜索基础框架,分析了Solr的架构,给出了Solr的关键配置,通过Thrift远程过程调用及Http访问,使扩展之后的Solr能够对外提供服务。