近年来,因特网的飞速发展与广泛应用,使得Web上的信息量以惊人的速度增长。面对Web丰富的信息内容,巨大的数据量,加之由于万维网分布、动态、海量、异质、复杂、开放性的特点,人们在这海量的数据中查找自己想要的数据和有用信息时,迫切需要一种新的技术能自动地从Web资源上发现、抽取和过滤信息。个性化推荐技术的出现,使得人们从无限的网络信息资源和商品世界中解脱出来,大大节省了用户在信息搜索上花费的时间和精力;也使得Web网站从以“网页”为中心转换为以“用户”为中心,给用户提供个性化服务,向着网络服务的更高层次发展。而如何对现有推荐技术进行改进使之在推荐质量上有所提高,对个性化推荐系统来说有着重要的意义。基于关联规则的个性化推荐是目前使用最广泛的推荐技术之一。本文主要研究内容即是对基于关联规则的个性化推荐系统的一般模型进行分析,找出现有模型的不足,并对其进行改进和优化。论文首先介绍了本文的研究背景和研究现状;其次介绍了Web挖掘、个性化推荐技术,并对目前常用的各种推荐技术进行了详细的分析综述,重点介绍了关联规则挖掘和算法;在此基础上对基于关联规则的个性化推荐系统的一般模型进行了深入研究与分析,指出了一般模型存在的问题,并提出了改进方案;最后,经过理论分析和实验验证,证明了改进后的推荐模型在推荐质量上有了一定的提高。