协作式推荐过程协作式推荐流程如图2所示，首先在用户聚类的基础上，查询特征向量发布到类中各个成员、各个成员查询资源列表；将查询资源汇集，然后聚类资源，形成类资源；将类名表发送给用户，反馈相关类名；最后在类资源中提取相关类资源，经过推荐过滤，形成查看资源。过程如图3所示：

4 模型特点
    (1)该模型采用多智能体技术，使得各个部分自主学习、相互协调；使得个性化信息检索中的数据收集，模型表示、模型的学习和模型的更新中功能能够由其中多个Agent更好地协调补充完成，使各个过程具有智能化特点。
    (2)充分挖掘用户的信息需求，用户注册Agent主要负责显性信息的获得处理，记录用户的基本信息和用户资源列表、用户直接参与、简单直接。用户监控Agent主要负责隐性信息获得处理，记录用户的动态信息，在不影响用户活动的前提下动态实时获得最新信息。
    (3)采用C／S框架结构，通信模块介于之间，负责信息交互，个人用户建模在客户端代理执行，可以保护用户的隐私，用户聚类与合作在服务器端代理实现，可以在充分保护个人隐私的前提下，实现信息资源共享，提高Web信息的覆盖率。
    (4)建模技术的使用，一方面利用个人模型引导用户提问，过滤检索结果，使检索更符合个性化要求；另一方面充分利用群用户的信息，在合作的基础上，得到和用户请求相关的推荐结果，查询扩展，实现资源共享。

5 结 语
    该个性化信息检索模型提出多智能体的框架结构，运用用户建模和群建模技术，使两者相互结合，相互补充，既注重用户的个性，过滤无关内容，又发挥合作作用i共享相关内容，实现了信息检索的个性化、智能化。