伴随互联网、电子商务的高速发展,基于Web形式的信息量及信息交互量越来越巨大,如何从中发现有用信息、为用户提供个性化服务已经成为该领域中迫切需要解决的一个重要问题。Web挖掘应运而生,作为Web数据挖掘的一个重要组成部分,Web日志挖掘旨在通过对Web日志文件进行深层数据挖掘来发现用户的访问模式、分析用户的应用需求,从而为用户提供个性化的服务。论文在综合分析Web挖掘、个性化推荐领域的研究现状及存在的问题的基础之上,结合个性化推荐的两阶段模型,提出了基于Web日志挖掘的个性化推荐系统解决方案。并就其中的用户会话识别、会话聚类、网页聚集三个主要问题进行了深入研究,具体的工作如下:1.作为网站的主体,如何识别用户是Web日志挖掘预处理中的一个重要任务,本文采用了一种基于时间的会话识别方法,并根据页面URL之间的链接关系,计算页面之间的相似性,能够缩短会话的长度,进而建立了基于时间和频率的会话向量矩阵,为会话的聚类建立了有效的模型。2.会话相似性的计算是否合理将直接影响用户聚类的质量,并将关系到是否能够准确发现用户的访问行为,本文在会话相似性度量方面,根据时间和频率数值特性的不同,分别设立了不同的计算公式。3.在用户聚集方面提出了一种基于PS-KM聚类算法,该算法将粒子群优化算法(PSO)和k-means算法相结合,在PSO算法达到最优解附近时,转向k-means算法,使得聚类的质量及效率量明显提高。4.最后在用户会话聚类的基础上提取出了网页簇的概念,并在此基础上建立了基于网页簇的个性化推荐系统。