信息过载和资源迷向己经成为制约人们高效使用Internet信息的瓶颈。信息过载是指用户面对太多的信息难以及时地消化、吸收;资源迷向是指用户不知道如何确切地表达对网上资源的需求,也不知道如何准确有效地寻找资源。而个性化推荐系统能够根据用户的兴趣偏好主动推荐他所需的资料。它的出现解决了人们寻找信息难的问题。 本文设计并实现了一个基于Web使用挖掘的个性化推荐系统原型,即从Web Log文件中挖掘出用户感兴趣的浏览模式,在线向用户提供推荐服务,指导用户的浏览,提高搜索效率和准确率。本系统分为三个功能模块:1)数据预处理模块。它是Web使用挖掘的第一阶段,包括数据净化、用户识别、会话识别、路径补充和事务识别。本文分析了各个步骤的目的、方法,并给出了每个步骤的实现算法。2)模式挖掘模块。该模块实现了FCC事务聚类算法和用户浏览模式挖掘算法,挖掘出了事务聚类集和偏爱路径集。同时本文探讨了偏爱度与传统置信度的优缺点,实现了对用户浏览模式挖掘算法的改进。3)在线推荐模块。该模块采集当前用户的访问路径,利用推荐算法自动生成推荐页面,在线提供给用户,从而指导用户的浏览。本模块实现了基于事务聚类的推荐算法和基于偏爱路径的推荐算法。其中,在基于事务聚类的推荐算法中考虑了用户访问的顺序性,并引进了关联规则,使推荐的结果更为准确。 最后,本文总结了工作尚存的不足,并指出了个性化推荐系统的研究方向、应用前景。