1 引 言
    Web信息的迅速增长造成信息过载，用户查找信息需借助搜索引擎，而搜索引擎提供的服务却难以令人满意。一方面由于用户和系统的交互性差，用户清楚自己的信息需求特征却无法描述，另一方面由于搜索引擎自身特性，无法过滤与用户无关的文档。
    本文希望采用网络智能思想，通过多智能代理技术，结合用户的基本信息和动态信息建立用户模型和用户群模型，运用信息检索和数据挖掘技术，建立了一个个性化信息检索模型。结合智能体的思想，通过某种方式完成信息查找、过滤和调整。使得系统具有灵活性、智能性和扩充性。

2 Agent技术
    Agent是一个实体，具有一定的知识，并能够针对特定目标有效地运用知识求解问题，具有自主性、交互性、适应性、进化性、可通信性、理性等特性。每个Agent会观察用户的动作，主动提供处理环境所需技术，根据用户反馈不断更新检索结果，为实现Web信息检索智能化提供了有力支持。
    多Agent是指具有不同目标的多个Agent对其目标、资源等进行合理的安排，以协调各自行为，最大程度地实现各自的目标，它由多个Agent组成，每个Agent又是一个自治计算实体，具有目标、知识、能力。多Agent适应个性化信息检索处理环境所需的灵活性的特点，可以在Web上建立能够完成相应功能的Agent，通过学习不断适应调整并通过交互相互通信合作，协助用户准确、有效地获取信息。
    智能代理技术，主要是指具有智能性，可支持高级、复杂自动处理代理软件技术，并能够按照设计者指示要求独立收集信息并在再次过程中自我学习，具有自动性，目标驱动性。连续性和能动性等特点，可以在较高的程度上去分辨识别、理解与应用其用户的需求及其特征。智能代理技术为Internet上自动的信息收集提供框架。基于此功能特性，通过对相关应用和系统的分析，提出了一个基于MAS的实现框架。
    个性化信息检索是指根据用户的兴趣和特点进行检索，返回与用户需求相关的检索结果。一般检索过程：首先用户输入查询请求，然后搜索引擎搜索文档，并将搜索结果返回给用户，最后用户查看相关文档或者修改查询请求。查看相关文档或者修改查询请求是用户对检索信息的反馈，能够反映用户信息需求及其变化。通过反馈信息，实现用户个人Agent和用户群Agent的模型更新，完成个性化过滤和协作式推荐2部分功能，因此用户个人Agent和用户群Agent是系统的核心。图1表示该个性化信息检索模型框架结构。
    下面对用户个人Agent、用户群Agent、推荐Agent、过滤Agent功能模块在实现机制上进行分析说明。
2．1 用户个人Agent
    用户模型的表示采用向量空间模型的方法，将用户模型表示成一个n维特征向量：

向量的每一维由一个关键词及其权重组成。权重表示用户是否对某个概念感兴趣以及感兴趣的程度，文档模型表示成为一个n维特征向量：

向量的每一维由一个关键字及其权重组成。tj表示文档中的关键字j，wji表示关键字j在文档i中的权重。这种方法有利于表达概念在不同用户模型中的重要程度，而且有利于后续阶段匹配任务。用户模型的更新采用动态信息增补技术，动态信息增补对反馈过滤的信息加入到用户模型后调整各向量的权重，与用户无关的特征向量随着权值的减小从模型中被删除。

2．2 用尸群Agent