随着以电子期刊和在线文档形式存在的科技文献的不断增加,对科研教学人员来讲,如何充分利用现有的网络信息资源,从庞杂的电子文档中及时、准确地获知与自己研究领域相关的最新科技信息就显得非常必要.对于科教人员这一特定群体来讲,其信息需求倾向会在相当长一段时间内围绕一个主题基本保持不变,所以他们会长期关注某类信息的发展动态.因此,根据用户个人一贯的兴趣,将用户真正感兴趣的信息主动提供给他,而尽量屏蔽那些不为用户喜欢的信息,使之能够真正做到"各得所需",这正是个性化推荐系统的特征所在.个性化推荐技术中用户需求信息的获取与学习、用户需求的描述文件的表达与更新、资源描述文件的表达、个性化推荐技术是关键.文章对该领域的主要研究成果进行了综述比较.通过比较现有原型系统的实现方式,深入讨论了实现个性化服务的关键技术.在第3章详细介绍了复旦大学图书馆个性化推荐系统的用户建模、自适应更新、文档向量化和推送算法等关键技术.并对实验结果进行了分析.文章最后给出了基于Web挖掘的推荐系统框架.对Web使用数据,Web内容数据和Web结构数据进行聚类分析,推荐引擎根据挖掘结果向用户提供有效的推荐服务.