本文在对现有大多数比较购物网站的研究基础上,提出一种新的比较购物模型。在传统比较购物的基础上以蚁群优化神经网络学习获取用户的偏好信息,并以此对搜索结果进行重新排序,为用户提供符合其需要的个性化的导购服务。本文首先介绍了比较购物的产生与发展,讨论并提出了目前大多数比较购物网站存在的问题：只注重消费者关于商品价格的要求,而忽略了消费者关于商品其他方面的要求。同时,文中研究了神经网络和蚁群算法的基本原理以及它们的发展应用情况。在分析了这两种技术的基本特征后,本文提出了将两种技术相结合的方法,通过蚁群算法来优化BP神经网络,该方法可以提高比较购物搜索引擎的效率并且能够避开BP算法的缺陷。在两种算法结合的基础上,本文完成了基于蚁群优化神经网络的比较购物模型的设计。并对这个模型的相关功能以及具体流程进行了详细的阐述。最后应用MATLAB软件进行仿真实验,实验结果表明ACO-BP神经网络在比较购物搜索模型中是行之有效的,能很好的根据训练样本模拟用户的购物偏好,从而为比较购物的搜索做出指导。最后,我们比较了ACO-BP算法与BP算法在性能上的差别,证实了ACO-BP算法可以有效的克服BP算法收敛速度慢的缺点。