随着制造资源共享网站规模的扩大,个性化服务缺乏成为制约资源共享网站发展的关键问题之一。为了解决这一问题,许多研究提出了基于客户浏览行为的Web数据挖掘方法:根据客户浏览行为模式,了解客户的兴趣爱好,为其提供个性化服务。本文根据对Web数据挖掘中的聚类算法和个性化推荐系统中的协同过滤推荐算法的研究,提出了基于聚类的协同过滤推荐算法:根据Web使用挖掘技术,自动获取客户对某页面(或商品)的兴趣度,根据其兴趣度不同,将客户集划分为不同的聚类,然后根据每个聚类中客户对商品的平均评分生成对应的聚类中心,在此基础上计算目标用户与聚类中心的相似性,选择与目标用户相似性最高的若干个聚类作为查询空间搜索目标用户的最近邻居,从而提供推荐。该算法由聚类生成、虚拟客户集生成和推荐产生三个主要步骤组成。根据这一算法,本文设计了基于聚类的协同过滤个性化推荐系统,该系统由离线和在线两部分模块组成,离线模块的主要任务是完成所有客户集的分类,在线模块则是推荐给在线客户可能感兴趣的页面和商品。最后,通过一组模拟数据对系统进行的实验表明这种基于聚类的协同过滤推荐算法的系统可以更好的为浏览网页的客户提供更有效、更个性化的服务。