随着Internet不断发展,大量网页链接容易使浏览者在Internet的复杂信息空间中产生信息迷航,随着网络技术和计算机技术的发展,用户对Internet提供信息的主体提出更高要求,用户希望所感兴趣的内容不要隐藏在众多无用链接之中,而是能够准确、快捷地找到其所需的信息,并能针对不同用户,主动推荐用户所需要的个性化信息。数据挖掘为个性化web服务提供了强有力的支持。本文分析了个性化服务发展的状况和存在的问题,深入研究了各种个性化推荐技术的原理和优缺点,指出了个性化技术发展趋势。首先,分析了个性化系统工作原理,针对网络信息具有非结构性、非语义等特点,提出了一种基于语义的个性化信息服务推荐模型,为推荐引擎快速、准确寻找与当前用户相匹配的个性化信息,更好地为个性化服务提供了一个个性化推荐平台。其次,将数据挖掘技术应用到个性化系统中,对关联规则进行了研究,提出了基于交集的最大频繁模式发现关联规则的算法,能快速发现大项集,避免产生大量候选集。最后,利用关联规则挖掘出频繁的用户模式,在此频繁模式的基础上,采用聚类分析,对用户模式进行分类,挖掘出具有相似访问兴趣的用户访问模式,排除了相关性不大的用户模式,经过关联聚类分析后,产生更准确的用户兴趣模式,为当前用户提供推荐。将关联聚类分析应用于个性化web中,为个性化推荐服务提供理论基础。实验结果表明：基于关联的聚类算法在个性化web服务中的应用提高了个性化推荐质量以及算法的有效性。