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大部分都存在的不足：个性化体现的程度比较差；系统负荷比较大；没有有效的区分用户的近、长期兴趣；学习效率比较差；系统的友好性也不怎么好等，而且大部分系统都集中在Web日志挖掘的研究，而Web日志挖掘是不完整的、也不是十分准确的，日志自身的这种不足也给这类个性化服务系统带来了缺陷，仅仅采用服务器端的Web日志挖掘，会丧失许多客户端有用的信息。 本文考虑了现有个性化服务的不足之后，从实际出发提出了一种在客户端通过捕获用户的行为来计算用户对网页的兴趣度并形成用户兴趣视图的方法。首先是在绪论中介绍了现存个性化服务系统的现状与不足，并提出了改进方向；在第二章从Web角度和网络用户角度介绍了行为分析的一些相关知识，并探索性的将心理学中的内驱力理论运用于我们的个性化服务当中，说明用户在浏览网页时的行为能确实从某种程度反应用户的浏览兴趣；因为用户的信息心理行为分析属于一种社会性的研究，经过我们仔细分析觉得用户的浏览行为和用户对网页的兴趣度之间存在某种关系，所以我们在第三章就从众多的社会研究方法中选用回归分析方法建立了用于计算网页兴趣度的模型，通过多组实验数据分析证明所建立的模型是成立的，并且确实能较好的描述用户对网页的兴趣度；为了能将从用户的行为分析中得到的网页兴趣度与用户所浏览的网页内容结合起来，在第四章中利用网页特征片技术来生成基于内容的用户兴趣视图，对用户的近期／长期兴趣进行了区分，并提出了基于用户兴趣视图的推荐方法；我们在第五章通过实验证明利用所阐述的理论和方法捕获用户的兴趣并以此进行个性化推荐具有较好的效果，召回率达到了75％，准确率达到了72％。