随着Internet的迅速发展和宽带网络的普及,视频点播(Video On Demand)系统作为一种新兴的传媒方式,可以通过多媒体网络将视频流按照个人的意愿送至任一点播终端,是宽带网络运营商提供的首选服务。目前,视频点播系统在娱乐站点、远程教育系统和高校网络平台中的应用几乎是无处不在。虽然视频点播系统的应用日趋广泛,但是信息资源和用户数量的不断增加,导致视频点播系统的规模和复杂度也不断的提升,这就使得视频点播系统的应用面临着站点结构合理性和服务质量确保等绪多的挑战和机遇。WEB挖掘技术日趋成熟,得到相关业界的关注和肯定,针对其能从现有网络资源中获取有用知识的研究与应用也成为目前一个研究热点和重要课题。本文正是基于上述背景,将WEB挖掘技术有效地应用到VOD系统中,从而达到提高用户访问效率和系统服务质量的目的。本文的主要内容和结构安排如下:首先,介绍数据挖掘和WEB挖掘的相关概念和技术,对WEB挖掘的典型应用进行分析,为后续章节的研究作好铺垫。其次,介绍WEB日志挖掘技术,对其数据预处理、数据挖掘过程和所采用的技术/方法作了系统的分析。针对目前VOD系统中影片归类方法存在的不足,提出基于WEB日志挖掘优化影片归类的方法,并且完成了相关的原型测试。接着,系统剖析了目前广泛采用的经典的个性化推荐算法中存在的优势与不足,重点针对传统的协同过滤推荐算法中普遍存在的新商品“冷启动”问题,提出基于项目特征模型的协同过滤推荐算法,并且完成了算法有效性的实验性测试。最后,将上述算法应用于多模型影片推荐系统中,提出了该推荐系统的系统架构,并着重就其数据处理、推荐模型建立以及推荐结果产生的过程作了详细的阐述。