Web个性化推荐系统根据用户的浏览模式预测用户需求,并向他们提供个性化的推荐服务。目前,个性化推荐系统已成为研究热点,应用前景广阔,尤其是在电子商务以及网络学习方面。然而,尽管人们对个性化推荐技术的探索研究取得了一定的成果,并逐步有商业化的推荐系统问世,但是这些系统的推荐质量以及用户的满意度始终是不尽如人意的。基于以上背景,本文设计并实现了一个改进的个性化推荐系统,该系统将Web内容挖掘及结构挖掘的技术应用到Web使用挖掘的过程中,用以提高推荐的质量。本文的研究内容主要有:1.获取Web日志数据、页面内容及站点结构信息,将它们作为个性化推荐系统的数据源,并针对Web中文网页以及个性化推荐系统的特点,对数据进行预处理,以提高用户访问模式识别的精确度。2.在分析传统事务识别方法不足的基础上,结合网页内容对事务识别方法进行适当的改进,将内容挖掘中的文本聚类算法引入到事务识别的过程中。根据改进后事务识别方法的需要,对文本聚类算法作相应的修改。3.通过事务聚类获得最初的用户访问模式,进而,将相关邻接页面考虑在内,扩展用户的访问模式。同时,根据站点结构信息计算页面的相对权重,作为在线推荐列表中页面排序的重要依据。4.确定当前用户感兴趣的主题为该用户的访问模式;将候选推荐集中的Web页面是否已被当前用户访问过所带来的推荐权值差异考虑其中,确定最终的推荐函数;设计并实现具有较高精确性及较低时间复杂度的推荐算法。本文给出了评估推荐系统有效性的实验方法及评估标准,将结合站点内容和结构的WPRS推荐系统与仅以日志作为数据源的推荐系统做比较,从实验结果可以看出,WPRS系统获得了较好的推荐精确度、覆盖率以及F1度量值,因此能够显著地提高Web站点的推荐质量。