随着互联网技术的飞速发展,人们生活中充满着各类数据。近年来,博客作为社交平台的产物,吸引越来越多的人在网上写博客,用来记录他们的学习近况。当前博客网站在推荐首页上展示的通常是网上热门的博客,如果要对某一领域推荐则需要关注该领域专栏或博主,然后推荐他们的博客,很少考虑从博客收藏功能入手研究个性化推荐。本文将频繁模式挖掘算法与MapReduce结合,对博客记录数据进行挖掘,并针对上述博客网站的不足,从博客的收藏功能出发提出了个性化推荐思想。它是在博客记录资源的频繁项中寻找与用户收藏博客有关联的博客并经过匹配处理后排序取出,然后推荐给用户。为了直观显示博客的个性化推荐功能,本文使用SSH框架设计和实现了博客推荐系统。本文在博客基本功能上新增算法运行和任务监控功能,可以远程调用Hadoop云平台在线运行算法。同时算法运行后的数据要经过解析并下载到本地数据库,根据此数据文件和用户收藏的博客进行个性化推荐。本文在众多学者使用协同过滤作为推荐算法的背景下,利用频繁模式挖掘算法对推荐系统进行研究,提出个性化推荐算法模型,并用博客系统展示了推荐结果。