本发明通过人工智能领域的方法，实现了一种时间信息增强的个性化搜索算法，在输入用户集合基础上，通过循环神经网络得到的原始相关性得分，设计两个时间感知的LSTM结构得到用户的查询意图与文档兴趣的表示为用户的短期兴趣，并利用一个基于查询的以时间为自变量的高斯混合分布，得到为用户的长期查询意图与长期文档兴趣，进而通过个性化排序模块，最终利用神经网络模型同时考虑所述原始相关性得分和所述个性化得分对文档的个性化得分进行最终的计算。通过上述手段，本发明在连续时间空间内对用户兴趣进行建模，从而构建更加准确的用户兴趣表示进而提升个性化排序效果。