随着计算机技术的日益普及,网络被更加广泛地应用于人们生活、学习的各个领域。由于网络信息资源的极大丰富,信息服务的个性化越来越引起人们的重视。满足特定用户的特定信息需求成为信息服务在新的网络环境中的服务目标。个性化推荐系统一就在这个背景下应运而生。个性化推荐系统是在互联网上使用数据挖掘,人工智能等技术,为客户提供智能化、个性化的服务,它能够向客户推荐页面或产品,并可以引导客户有针对性的对网页信息或某些产品信息进行关注。网络的发展使得普通大众进入了网络创作的领域,而美国自助出版的成功运作,又给网络市场提供了一个极富潜力的增长点。长尾理论反驳了经典的“二八”理论,指出小市场力量的汇聚可形成与大市场匹敌的市场能量。随着自助出版系统文本规模的迅速增长以及其独特的创造性和多变性,选用合理的推荐技术有利于“长尾”文本的发掘和价值实现。针对自助出版文本数据库,本文设计了基于有向图的聚类算法DCA (Directed Graph Clustering Algorithm),将聚类看成是确定对象的过程,根据词间信息传递量的大小选定特征词集对文本进行聚类。实验结果表明,较之K-Means算法,该算法有较强的自适应性和通用性,能有效地运用到自助出版文本的个性化推荐系统领域。推荐系统的核心是推荐的方法,也是本文研究的重点。本文针对长尾文本的推荐问题,设置了浮动相似度阙值及推荐公共池,构筑了从数据清洗到数据挖掘最后到生成推荐的完整系统,然后理论联系实际,以实验证实了该系统的可行性和实用性。