随着 Internet 和无线终端设备的迅速发展，人们对获取信息的要求不断提高，WAP业务的发展正好满足了人们的需求，它使用户享受到快捷、方便的资源。随着服务内容的增多，传统的服务方式已不能满足 WAP 用户的需求，个性化的服务对 WAP 用户来说，已显的非常重要。 为了能够及时准确获取用户的兴趣，本文在传统的向量空间模型法进行了改进，采用了递归式学习方法，设计并实现了一种递归式的用户兴趣获取个性化服务系统。首先，通过对数据库中记录的学习，构建一个用户兴趣字典，按照一定规则进行分词并计算出各个词条在字典中的权重。然后，并用用户兴趣字典中权值最高或非用户描述文件中的词条去更新用户描述文件中权值较低的词条。每隔一段时间对数据库中单位时间段内新增数据进行分析，得到新的词条，加入到用户兴趣字典，并用同样的规则去更新用户描述文件。更新用户兴趣字典，使其能够随着用户兴趣的变化而改变。并以此为基础向用户推荐与用户兴趣相关联的资源，提高了资源推荐的广度，从而为用户发现新的资源。基于这个方案，本论文构建了一个递归式的用户兴趣获取个性化服务系统。 系统主要由信息处理、用户兴趣学习和个性化服务推荐等模块构成。用户兴趣学习使用了一个用户兴趣字典反映用户当前的兴趣偏向；个性化服务推荐在基于用户兴趣的基础上，采用了关联内容推荐，提高了资源推荐的广度。 经过实验验证，本论文提出的递归式的用户兴趣获取个性化服务系统的方案在实验中有更高的正确性，更能贴近用户的兴趣爱好。