Abstract
搜尋引擎的主要功能就是幫使用者找到和他所下的查詢相關的資訊，並將結果依照相關程度排序，以幫助使用者快速找到自己想要的資訊。目前網路上的搜尋引擎都將這樣的技術發展到成熟的階段了，然而，即使所下的查詢一樣，使用者想要的資訊卻有可能因人而異，也因此最近幾年個人化搜尋的相關研究開始被廣泛的討論。經濟學者也是對人類搜尋行為相當有興趣的一群學者，他們認為人類搜尋行為相當複雜，對人類來說，資訊是有價值的，而人會根據自己過去的經驗跟現況，考慮許多因素，最後才決定一個資訊的價值，這個值也代表了使用者是否需要這個資訊。在本研究中，我們提出了一個方法來估算使用者過去的經驗，然後以此經驗值來調節使用者搜尋時的其他考量，如信心值跟資訊新穎度，進而推測每一個資訊對該使用者的價值為何，以此為每個使用者做個人化的排序，讓搜尋引擎回傳的結果可以更符合使用者的需求。實驗結果顯示比起其他不做個人化排序的方法，或是其他沒有考量其他因素的方法，我們的方法可以達到較高的準確度。