网络技术的不断发展,需要利用数据挖掘技术从大量的网络信息中挖掘出对人们有用的资源。目前比较成熟的信息推荐技术是采用面向网络信息来解决以上问题的。但是,这种方式很难执行好用户个性化的检索需求,因此提出了面向用户的个性化推荐模型。本文首先简要介绍了数据挖掘及Web数据挖掘的基本概念及相关技术,然后详细分析了基于Web的个性化推荐技术。在对基于Web的个性化推荐的相关研究基础上,设计了一个基于Web挖掘的个性化在线信息推荐系统(PIRS),并给出了相关的推荐策略和算法。PIRS系统包括数据预处理模块、挖掘处理模块、在线推荐模块和用户界面模块。在该系统中我们所提出的推荐策略也考虑针对不同类型的用户采用不同的推荐算法。本系统给出了基于关联规则挖掘和基于用户事务模式聚类2种推荐算法。基于关联规则挖掘的推荐方法利用用户自己的用户事务模式文件,生成聚集树,然后利用用户访问操作和聚集树来发现关联规则,最终生成推荐集。它的特点是快速、准确,但是对于新用户、访问站点较少的用户以及具有新颖性信息需求的用户不太适合。基于用户事务模式聚类的推荐方法,将相似的用户事务模式聚类到一起,生成用户事务聚类模式,然后将用户访问操作与用户事务聚类模式进行匹配,最后形成推荐集。它比较适合新用户、访问站点较少的用户和新颖性信息需求的用户。