随着互联网技术的发展和网络信息的与日俱增,网络信息面临信息量大、信息形式混乱、难以管理的状况。目前互联网搜索引擎技术是针对关键词匹配进行搜索,对于搜索返回结果并不进行过滤处理,给搜索用户查找所需信息造成了很大的不便,降低了搜索的效率。而且随着互联网用户体验和交互需求的增加,个性化搜索成为搜索引擎研究的主要方向和趋势。对于个性化搜索技术来说,用户兴趣模型是个性化搜索的核心,用户兴趣模型建立的好坏直接影响了个性化搜索的质量。本文是基于Google著名的PageRank排名算法建立用户兴趣模型从而对个性化搜索进行研究。第一章主要介绍了课题的背景意义、国内外研究现状和本文研究所用到的理论基础；第二章主要针对建立用户兴趣模型所用到的技术进行分析,得到用户兴趣模型的最初框架；第三章主要根据对PageRank算法的改进推导出用户兴趣数学模型；第四章主要是设计实验,通过相关数据分析和计算来验证用户兴趣模型的正确性；第五章是对全文的总结和展望。本文的重点是对PageRank算法原理的分析和改进,分析个性化搜索引擎和用户浏览行为,研究用户兴趣获取方式,建立基于网页收藏夹和浏览记录的用户兴趣模型,难点是进行实验设计验证用户兴趣模型的正确性。