近年来,随着Internet在流量、规模和复杂度等方面的飞速增长,WWW已成为一个巨大的、分布广泛的、全球性的信息服务中心。在WWW给人们带来丰富信息和极大便利的同时,也随之产生了一些急需解决的问题,个性化的信息服务便是其中之一。直接或间接的解决这个问题的途径之一就是将Web日志挖掘技术应用在网站个性化服务中。通过对Web日志数据进行有效地数据挖掘,可以帮助我们更好地发现用户频繁访问路径和进行用户事务模式聚类,用户聚类,页面聚类等,这对于为用户提供个性化服务是非常关键的。因此,将Web日志挖掘应用在网站个性化服务中是非常有意义的。本论文参考前人所做的工作,详述了在研究个性化信息推荐服务中必须要着重解决的以下几个方面的问题:Web日志的预处理、Web日志挖掘算法、个性化推荐方法。论文中详细讨论了Web日志挖掘预处理的各个步骤,并且给出了每一步的关键算法。Web日志挖掘预处理过程主要包括:数据清理、用户识别、会话识别、路径补充和用户事务模式识别。进而本文分别以关联规则和聚类两种方式完成对用户的个性化服务,即为用户提供推荐页面集。其中基于关联规则算法应用在个性化服务中时,本论文提出AFIB(Apriori and Frequent Itemsets based on Binary)算法,该算法是一种基于二进制形式的候选频繁项目集生成和相应的计算支持数的方法与Apriori算法的结合,并改进的算法。基于聚类算法应用在个性化服务中时,本文采用了改进的层次聚类算法对用户事务模式聚类。最后,本文初步设计了一个具有个性化推荐的系统,即个性化服务系统。系统实时监测用户的访问行为,根据当前用户的访问情况,预测用户下一个可能访问的页面,动态为其推荐兴趣度最高的页面。