用户浏览网页行为反映了用户偏好及网站性能、导航模式、服务模式等。通过对Web使用记录的挖掘能够抽取这些有用的模式。WUM的一个主要应用研究方向就是个性化推荐。个性化推荐技术是在用户面对大量的信息时无所适从的问题上产生的。它通过收集和分析用户信息来学习用户的兴趣和行为,主动为用户提供不同的适合用户需求的有针对性的个性化推荐,从而能够极大的方便用户。 本文首先对WUM的理论、方法与过程进行研究。主要通过数据预处理、模式发现、模式分析及应用等方面对WUM进行研究。WUM数据预处理可以分为使用预处理、内容预处理和结构预处理;WUM模式发现方法有统计分析、路径分析、关联规则、序列模式、分类、聚类以及依赖性建模等;对WUM模式的分析主要有可视化技术、OLAP和数据查询技术;WUM应用研究有个性化服务与定制,商业智能和改善站点性能等。 接着本文通过推荐系统、推荐技术和推荐研究的热点问题等对个性化推荐进行研究。推荐系统分为电子商务推荐系统和网页推荐系统;推荐技术可分为6个类别:协同过滤、基于内容的推荐、基于人口统计信息推荐、基于效用推荐、基于知识的推荐、基于规则推荐;推荐研究有5个热点问题:稀疏问题、冷开始问题、奇异发现问题、健壮性问题以及评价模型问题。最后比较了国内外推荐方法的研究,并比较了国内外电子商务网站推荐策略。 最后根据WUM和个性化推荐方法的研究,结合蚁群算法和粗糙集理论,研究了基于蚁群算法的推荐方法和基于粗糙集理论的推荐算法,并结合基于蚁群算法的推荐方法和基于粗糙集理论的推荐方法,设计基于蚁群优化算法和粗糙集理论的联合推荐方法。