随着Internet技术的快速普及和迅猛发展,网上信息量的迅速增长,人们面对大量的信息无法选择和消化,这就是信息过载问题。如何在这个巨大的数据集中发现有用的信息成为Internet研究的热点问题。仅采用搜索引擎来检索Web上的信息,未能考虑个体用户的兴趣偏好,因此,研究者提出用Web个性化推荐技术来有效解决这些问题。Web使用挖掘将数据挖掘技术应用于Web服务器日志文件等数据,获得大量用户的访问行为,为个性化推荐提供了方法依据。Web使用挖掘是目前Web个性化推荐中应用与研究的关键技术之一,主要利用Web使用挖掘的相关技术为不同的用户采取适合用户本身的服务策略,提供相关推荐内容。本文针对推荐系统存在的稀疏性问题,提出了基于项目的非邻近序列模式推荐算法(路径加权算法)。首先介绍Web使用挖掘和个性化推荐系统的研究现状和相关知识背景,包括数据挖掘、Web挖掘、Web使用挖掘的概念以及常用的个性化推荐技术。其次,详细的研究和探讨了Web使用挖掘的数据预处理过程,包括数据清洗、用户识别、会话识别等过程。然后,针对推荐系统存在的稀疏性问题,提出一种基于项目的非邻近序列模式推荐算法,采用自制模拟数据与MovieLens数据集分别与基于项目的KNN方法做对比实验。实验证明,在数据稀疏的情况下,基于项目的非邻近序列模式方法有较好的推荐效果。与此同时,提出了基于项目的非邻近序列模式推荐系统模型。最后,对本文的工作做了总结,并提出了基于项目的非邻近序列模式推荐算法的进一步研究内容。