随着时代的发展，互联网已渗透到人们学习工作与生活的各个领域，成为了当今资料最多的庞大的开放的资源库。如何从这些数据中挖掘出有含金量的信息，成为了人们研究的一大课题。个性化信息推荐是近年来随着数据挖掘技术日益成熟应运而生的一个新兴研究领域，它根据用户的访问行为，研究分析得出用户的喜好，从而在用户访问站点的过程中为其提供个性化信息推荐服务，进而提高用户的满意度与忠诚度。论文通过研究用户的行为序列，与传统的协同过滤算法结合，设计出一种改进的个性化推荐算法模型。该模型通过比较用户的行为序列相似度挑选出目标用户的相似行为用户集，进而利用协同过滤中最近邻算法的思想，根据用户间的相似度为用户对目标项的评分作预测，进而对用户进行个性化推荐。论文中采用以及盛大起点中文网用户阅读书籍的数据作为数据集，对算法进行测试与训练。针对数据集，论文进行了几种不同算法的比较，从中选出推荐效果最优的算法。针对起点中文网书籍浏览数据集，论文利用数据集测试出的最优算法并结合用户访问的时间特征以及地理特征进行书籍的个性化推荐，最终得到推荐效果相对最好的基于用户行为的个性化推荐算法。