个性化网络服务技术在互联网信息膨胀的今天显得日益重要。如何使用户在面对海量的信息时能够不费力气地、快速地寻找到真正需求的信息，以及利用信息本身的潜力为用户预测和推荐其将来可能需求的信息，已成为广大互联网用户的迫切需求，也是个性化网络服务的研究者亟待解决的问题。 各种个性化网络服务技术应运而生，主要包括各种用户建模技术和个性化推荐技术等。然而这些技术都或多或少存在着一些问题，直接表现在实际提供个性化服务的过程中个性化程度不足或者个性化范围不够等方面。 本文结合了自动用户建模技术和混合推荐技术的优势，设计出了全新的用户与网络信息关联算法。通过综合研究网络用户个人的信息以及在网上的行为和浏览历史，结合网络信息的特点与联系，提出了用户特征树的概念，有效地表征了用户的兴趣特征。在此基础上，设计了用户与网络信息关联算法的具体流程，以用户特征为基础，通过分析和量化用户的信息，寻找用户与网络信息间的关联性，提取用户的特征值，再运用设计方法计算用户的特征值和网络信息之间的相似度，从而将用户信息与网络信息进行关联映射，为用户推荐符合个性的网络信息。算法加入了反馈机制，可以根据用户使用的情况实时进行调整和反馈。并对算法进行了实现和验证。实验结果证明了该算法能够有效地提取用户的特征，为用户提供个性化的网络服务，并能够挖掘大量用户的群体特征与行为的深层次的关联性，为用户推荐相似用户的关联性网络服务。