امروزه موتورهای جستجوی وب به همه کاربران به طور یکسان سرویس می دهند، بدون اینکه علایق خاص هر کاربر را در نظر بگیرند. از طرفی تعداد زیاد نتایج دریافتی باعث سردرگمی کاربر در یافتن نتایج مورد نظرش می شود و برای پیدا کردن نتیجه مورد نظرش باید زمان زیادی صرف کند. برای مقابله با این مشکل، شخصی سازی جستجو مطرح شده است که یکی از راههای بهبود جستجو با در نظر گرفتن علایق کاربر می باشد. یکی از مشخصات کلیدی شخصی سازی موفق جستجو ساختن مدلی از کاربر است که به روز باشد و به صورت دقیق علایق کاربر را نشان بدهد. ما در این پایان نامه قصد داریم برای ساخت مدل کاربر از مفاهیم مورد علاقه کاربر استفاده کنیم. برای این کار از مولفه نگاشتی استفاده می کنیم که وظیفه آن نگاشت جستجوهای کاربر به دسته های odp(open directory project) است. ما از داده های موجود در odp که توسط انسان ایجاد شده است برای رده بندی نتایج جستجو بر حسب علاقه مندی های کاربر استفاده می کنیم. odp بزرگترین وب دایرکتوری موجود است که پوشش خوبی از مفاهیم ارایه می کند. دستاورد اصلی ما این است که مکانیسمی برای بهبود جستجو ارایه می کنیم که در آن مدل کاربر به صورت اتوماتیک ساخته می شود و نتایج رسیده از موتور جستجو طبق علایق کاربر رده بندی شده و برای او نمایش داده می شود. معماری ارایه شده بر اساس رویکرد مولفه گرا است که شامل مولفه های طبقه بند متن، ثبت و پیش پردازش جستجوهای کاربر، نگاشت جستجوهای کاربر به مفاهیم و رده بندی مجدد نتایج است. دستاورد دیگر ما ارایه طبقه بند متن است که مستندات جدید را در دسته های odp طبقه بندی می کند. نتایج آزمایشات نشان می دهند که روش پیشنهادی ما برای شخصی سازی جستجوی وب موثر و کارا می باشد.