本文主要研究Web使用挖掘技术来针对性地解决以上问题，提出了一种新颖的个性化网页推荐模型来提高网页推荐的准确率。它融合了信息检索、信息过滤和数据挖掘中的相关技术，运用两种不同的特征向量来表示用户兴趣，并且通过聚类生成群体兴趣扩展了个体兴趣。同时阐述了用户兴趣文件建立，维护和网页推荐。 　　本文论述了单Markov链模型、单步和多步N-gram模型、聚类/分类在用户浏览路径预测中的应用，并且指出了它们一些不足之处。通过挖掘用户浏览过的网页内容来捕获用户的真正兴趣，提出了基于隐Markov模型的浏览路径预测，提高了预测准确率。 　　本文对关联规则算法进行了研究，发现算法生成的关联规则具有相当大的冗余性，以确信因子为基础，提出确信度来使规则的有效性判断更加客观、合理。同时关联规则算法引入了规则取舍，提高了挖掘有效规则的效率。