随着电子商务如火如荼的发展,电子商务网站规模的不断扩大,网上商品越来越丰富,虽然用户有了更大的选择空间,但面对越来越多的参考信息时越来越不知道该怎么样去选择。怎样根据用户的喜好为用户提供便捷、准确的推荐,成为越来越多人的研究内容。为了更好地满足每个顾客的需求,根据用户自己的喜好搜索商品,提高竞争力,个性化商品推荐系统应运而生。个性化商品推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。购物网站的推荐系统为客户推荐商品,自动完成个性化选择商品的过程,满足客户的个性化需求。本文主要研究基于Web日志的加权关联规则和协同过滤算法在个性化推荐系统中的应用。本文主要的内容如下：(1)介绍了个性化推荐系统的发展状况以及关键技术;(2)根据Web日志的数据格式,挖掘出其中的隐式信息应用于个性化推荐系统中,弥补电子商务网站中使用用户的显示信息显示出的缺陷；(3)根据Web日志的特点以及电子商务网站的个性化推荐系统的特点,本文选取了加权关联规则和协同过滤算法来进行数据挖掘,将改进的算法应用于个性化推荐系统中,在个性化系统中实现根据用户个人兴趣的推荐和根据最近邻居预测推荐相结合的推荐模式；(4)本文改进加权关联规则,利用电子商务网站的特点对权重计算进行了改进,由于电子商务网站数据量巨大,采用有向图的方式进行扫描,提出基于有向图的权重关联规则,利用Web日志信息对协同过滤算法进行改建,提出基于Web日志的聚类协同过滤算法对协同过滤的数据稀疏性进行改进。