随着互联网的迅猛发展,越来越丰富的信息呈现在用户面前,但同时伴随的问题是用户越来越难以获得其最需要的信息。如何主动地为满足某一类信息需求的用户提供相应的信息服务,也就是所谓的个性化信息服务,已经成为互联网信息服务发展的一个重要趋势。挖掘 web 日志记录,并分析和探究日志记录中的规律是实现个性化信息服务的一种重要方法。通过分析挖掘大量 log 信息,可以理解用户的反映和动机;或者,通过分析日志中的规律,可以识别电子商务的潜在用户,了解最终用户的兴趣爱好,增强对用户信息服务的质量和交付。因此,web 日志挖掘成为当前国际上个性化信息服务的一个重要课题。由于国内研究正处于初期,还存在许多问题亟待解决,我们在本文中进行了研究。 首先,介绍了个性化服务的产生背景和发展现状,并对本课题的提出及研究内容、目标进行了论述。接着设计了一个个性化服务的模型,并针对模型中涉及到的数据预处理过程,数据挖掘过程和推荐算法等问题进行了研究。其中着重研究了数据挖掘过程,提出采用关联规则挖掘,并给出它的增量更新算法以及实验结果。然后,我们提出了将领域本体论与web 使用记录挖掘和个性化过程相结合的一个总体框架。给出了推荐算法以及相关性推荐算法,并且与以前的推荐算法进行了实验比较。 本文获得的主要成果:给出了基于 web 使用记录挖掘的个性化服务模型;提出一种适合 web log 挖掘的关联规则增量式更新算法;提出一种基于本体论的个性化服务的推荐算法;提出一种基于领域间相关性的推荐算法。