随着数字电视的普及和VOD系统的发展,人们可以通过有线电视网络在浩瀚的影视海洋里漫游。然而,由于影视资源的爆炸式增长,很多用户经常会“迷失”其中,他们往往找不到自己真正喜欢的影片而苦恼。因此,根据用户的特殊需求提供更好的Web个性化内容推荐就是我们面临的一个难题。Web个性化内容推荐的目的是当用户在浏览VOD网站时能根据其特殊需求,实时准确地推荐他可能感兴趣的相关影片,这也是提高交互系统服务质量和访问频率的一种重要手段。本文首先概述了Web挖掘的基本原理,接着对个性化内容推荐技术的概念,分类和研究现状等进入了深入探讨,然后分析了有线电视网络VOD系统的Web挖掘技术与基于互联网的Web挖掘技术的异同之处,并对典型的关联规则挖掘算法进行了分析和探讨,在此基础上提出了一种新的应用于Web个性化内容推荐的关联规则挖掘算法。本文重点讨论了其中的几项关键技术：Web挖掘、个性化内容推荐技术以及利用挖掘的关联规则实现个性化推荐系统。本文分析了Apriori算法的思想,并在其基础上改进,设计了新的应用于Web个性化内容推荐的关联规则挖掘算法,通过举例对改进算法做了详细的介绍,并且分别从时间和空间的角度对Apriori算法和Apriori改进算法进行了比较和分析。本文深入讨论了如何利用挖掘的关联规则进行个性化内容推荐,给出了推荐系统的体系结构、挖掘模块的设计和数据库设计等,然后分析了影响推荐准确度的相关因素,并通过实验验证。最后本文通过实验模拟了个性化内容推荐系统的运行结果。