互联网上的Web站点包含海量信息具有复杂的结构,很多站点往往使用个性化推荐系统来协助我们的用户方便快捷地找到所需信息,培养用户忠诚度。个性化推荐系统在当代信息社会具有巨大的现实需求,是信息服务发展的必然趋势。Web数据挖掘技术在面对处理海量数据和稀疏数据上有着先天的优势,所以在个性化推荐系统中Web数据挖掘技术得到了越来越广泛的研究和应用。本文介绍了基于Web数据挖掘的个性化推荐系统中的相关概念、分析其相关运用技术。面向电子商务应用,本文提出了一个推荐系统的模型,详细探讨了数据预处理的各个步骤,分析了各步骤的目的、方法,并给出了每步的算法实现。着重研究基于用户的协同过滤与基于项目的协同过滤算法,并分析两者的优缺点及其互补性,在此基础上改进并实现了基于用户和项目协同过滤推荐算法。在此基础上,为了验证基于用户和项目的协同过滤推荐算法的效果,我们以协同过滤领域的著名数据库MovieLens作为实验数据库,利用基于用户和项目推荐算法进行了分析处理。实验结果表明本文提出的基于用户和项目推荐算法在算法理论研究和实验结果方面都有一定的成绩,是个性化推荐研究中的成功的尝试。最后,实现了中南大学图书馆图书推荐系统原型。未来拟通过将本推荐系统与其他类似的推荐系统在性能指标上进行全面比较,进一步分析与评估推荐系统的性能,研究提高系统的综合性能的方法。