Web已成为人们获取信息的一个重要途径,由于Web信息的日益增长,人们不得不花费大量的时间去搜索,浏览自己需要的信息。搜索引擎(SearchEngine)已不能满足不同背景、不同目的和不同时期的查询请求,Web个性化服务技术就是针对这个问题而提出的。Web个性化是指不断学习站点的经验,改进站点的信息组织方式和提供方式,以更好地向用户提供信息的技术。为了实现个性化服务,首先需要跟踪和学习用户的兴趣和行为,并设计一种合适的表达方式,然后把网上用户感兴趣的资源推荐给用户。本文首先从应用的角度综述了基于Web挖掘的Web个性化技术的发展过程,介绍了一些优秀的基于Web挖掘的Web个性化系统。然后,本文详细介绍了基于Web挖掘的Web个性化的处理过程,并从聚类分析、关联规则和序列模式等几个方向分析比较了Web挖掘在Web个性化领域应用的技术现状,从Web内容挖掘技术融合和多特征使用两个方面描述了相应技术的发展趋势。基于对Web个性化技术的研究,本文提出了一种基于DMX分析的个性化推荐系统框架PRMD(Personalization Recommendation Base Microsoft DMX)。PRMD是综合了信息的使用、内容和主观兴趣特性等三个方面特征的推荐系统。它共包含有四个过程:数据采集、数据预处理、数据分析和实现推荐。然后,本文将采用理论研究与软件应用相结合,进行多角度实践的模式,以一个连锁超市的客户数据与销售数据为研究事务数据,进行超市的客户分类以及客户群所对应的消费行为分析作为分析目的,在实践中发现问题,总结经验,验证模型。本文从推荐系统的核心内容入手,介绍了数据预处理、数据挖掘的研究内容、发展现状和未来趋势。并且应用数据挖掘工具对实际的事务数据进行了模型建立、联机分析和聚类分析等操作,旨在分析推荐系统功能的同时,提出一种电子商务决策分析解决方案,为决策者提供快速、准确和全面的决策支持。同时,应用先进的推荐系统平台通过信息分析、信息共享来为企业的客户增值。推荐系统解决方案能迅速组织数据并促成分析以产生相关信息,然后从这些信息提取有意义的规则,以提高决策质量和缩短解决问题的时间。最后,本文对数据挖掘的发展做了展望。随着研究和应用的不断发展以及需求的驱动之下,数据挖掘产品和解决方案也将更加智能化,决策也会更轻松。