随着Internet的普及和WWW的迅猛发展,人们可以通过网络在浩瀚的信息海洋中漫游.然而,由于信息的爆炸式增长,很多Web经验不足的用户经常会"迷失"在其中,他们往往因为找不到所需的信息而苦恼万分.因此,如何根据用户的特殊需求提供更好的网络个性化推荐就是我们现在面临的一个难题.网络个性化推荐的目的是当用户在浏览网站时能够根据其特殊需求实时准确地推荐他可能感兴趣的相关网页,该项技术是提高网站服务质量和访问频率的一种重要手段.该文首先概述了Web挖掘的基本原理,接着对个性化推荐技术的概念、分类和研究现状等进行了简要介绍,然后提出了一种新的基于Web挖掘的网络个性化推荐原型.在此基础之上,文中重点讨论了其中的几项关键技术:数据预处理、利用频繁访问序列集实现个性化推荐以及利用聚类分析实现个性化推荐.在数据预处理方面,主要介绍了如何将服务器端的原始数据进行选取、过滤和转换,使之成为所需的数据形式;在利用频繁序列集实现个性化推荐方面,通过比较三类序列模式挖掘算法,提出了一种基于树结构的频繁访问序列挖掘算法—FSM算法,并对其性能进行了验证,同时给出了如何利用挖掘出的频繁访问序列集实现个性化推荐的思想和具体流程;在利用聚类分析实现个性化推荐方面,针对WebPersonalizer系统的不足之处,提出了结合各类特征(包括使用特征、内容特征和结构特征等)进行个性化推荐的方法,并且分别对特征获取和个性化推荐进行了深入讨论.