提高用户黏度，不只是简单地加入一些扩展词，还要考虑搜索中哪些词需要进行搜索扩展，哪些词不需要搜索扩展；选择多少搜索词，因为不是选择的扩展词越多越好，过多搜索词也可能会造成搜索漂移，使主题变得模糊，就起不到搜索扩展的应有的作用了。基于用户信息的搜索扩展在一定程度上解决了上述问题。基于用户信息的搜索扩展可分为以下两类：
1. 基于用户兴趣模型的搜索扩展
基于用户兴趣模型的搜索扩展，就是要根据用户的各种信息，为用户建立兴趣模型，存储并更新用户随时改变的兴趣，当用户使用搜索引擎搜索时，根据用户兴趣模型中对用户的描述信息对搜索词进行扩展。
在利用用户兴趣模型进行个性化的搜索扩展时主要有以下两种方式：第一是根据已知的用户兴趣分类，对用户的搜索结果进行分类；第二种是当用户进行搜索时，和已有的兴趣特征进行匹配，找到其所属的类别，限定了搜索的范围从而返回和这一类别相关的结果。以上两种方法都是对于个性化搜索的尝试，但是还存在一些问题，因为用户兴趣模型只是大致的记录用户兴趣的类别和明显具有个性化特征的兴趣爱好，当用户输入的搜索没有明显的体现出他的个性化特征，用户兴趣模型能起的作用就非常小，或者是有个性化特征但是还缺乏具体的描述信息，这些都会影响个性化的搜索结果。
2. 基于用户历史搜索日志的搜索扩展
基于用户历史搜索日志的搜索扩展就是对大量的用户的搜索日志信息进行统计分析之后，可以得到具有普遍代表意义的一些搜索信息。在用户进行搜索时，系统会选择被多数的用户点击或者搜索过的历史文档作为候选的搜索扩展文本集，该方法不依赖于初始搜索，而是看重关于历史搜索的统计信息，但该方法并没有考虑到用户的个性。
金城在线专注网站、软件、APP、微信公众平台、小程序、抖音、头条等开发推广，如果您有这方面的需求或者不同的观点，欢迎联系交流。
