现在个性化服务不管是在学术研究中还是在商业应用中都是一个非常热门、十分活跃的领域，但是分析现存的个性化服务系统就不难发现仍然存在某些不足，如个性化体现的程度不够，系统负荷比较大，没有有效的区分用户的近、长期兴趣等。而且大部分系统都集中在Web日志挖掘的研究上，往往忽略了客户端的许多有用信息。客户端行为因其构成复杂，个体差异性较大并缺乏必要的获取手段等因素，在该方面的研究还比较薄弱。模糊理论自诞生以来，因在处理不确定问题、描述隐型知识等方面的长处，已得到广泛的应用。本论文以模糊数学理论为基础的，提出了利用客户端行为信息提高个性化服质量的方法。论文的主要研究内容如下： (1) 论文对当前的个性化服务系统进行了分类研究，分析了其核心技术以及当前主要的个性化服务系统，该部分的研究对把握国际上有关此方面的最新技术具有重要的指导意义。 (2) 在详细分析比较当前客户端行为分析研究成果的基础上，并结合实验研究，提出了一种用户浏览行为特征描述模型。该模型具有噪音不敏感，计算简单的优点。 (3) 在行为模型的基础上，运用模糊聚类提取兴趣度函数的输入-输出对构造模糊系统的思想，提出了由浏览行为进行网页兴趣度计算的方法。仿真试验表明，该算法能够比较准确地反映用户的真实兴趣度。 (4) 针对当前用户兴趣模型更新算法上的不足，提出了一种基于模糊规则的用户兴趣模型更新与推荐算法。该模型能更确切地反映用户近、长期兴趣，并能在无显式反馈的情况下自动更新以跟踪用户的兴趣变化。模糊规则是一种对用户隐型知识进行表达的有效手段，通过融入用户的隐性知识，提高了推荐效果。 (5) 隶属函数与模糊规则的确定方法是模糊数学邻域里一个还没有完全解决的问题，同时也是贯穿论文整个研究课题的基础问题。作者借助概率与实验统计所作的探索性工作，可以为相关研究提供借鉴。 最后，通过实验验证了提出的方法。根据实验和分析，说明了此方法可行，并且可以用于实际的个性化服务系统中。