近年来,随着多媒体技术以及因特网的飞速发展,图像的数量爆炸式增长,使人们陷入了海量数据的困境当中,为了得到更准确的符合个人实际需求的检索结果,个性化图像检索成为研究热点。 个性化的实质是针对不同的用户采用不同的服务策略,提供不同的服务内容。个性化图像检索则是根据用户对检索结果的反馈主动地学习和记录用户的兴趣,推测用户的兴趣需求。获取用户的兴趣所面临的巨大难题是视觉低层特征和高层语义之间存在语义鸿沟。 针对个性化图像检索的语义鸿沟问题,本文提出了一种新的用户兴趣模型的构建方法,并将所构建的用户兴趣模型应用于图像检索。本文的主要工作包括以下几个方面： (1)用户短期兴趣的获取。通过相关反馈算法,得到用户短期兴趣中的视觉特征矢量,继而由视觉特征矢量映射得到短期兴趣中的语义特征矢量。 (2)用户长期兴趣的获取。将用户的短期兴趣经推理机推理后,得到用户的长期兴趣。 (3)构建基于用户长期兴趣和用户短期兴趣的用户兴趣模型,并将其应用于图像检索。 实验结果表明,本文所构建的用户兴趣模型能够较为有效的记录用户的兴趣,并随着用户兴趣的变化而长期跟踪、自动更新。此外,经由本文所构建用户兴趣模型过滤的图像检索结果符合用户的个性化要求,相比已有方法在查准率和查全率上取得了明显的改善。