一个网站有许多个网页组成，网站上的信息分布在这些网页上，不同的用户对不同网页上的信息感兴趣，但是网站中大量的网页存在着结构的不合理性，链接页面的无效性等现状，降低了用户访问页面的效率，如何通过Web使用挖掘技术来了解用户的兴趣和爱好，分析用户的浏览模式，根据用户的当前访问需要，自动实时地为用户提供推荐页面，满足多元化的需求，使得个性化服务势在必行。本文分析了基于动态网页下信息采集的方法和算法，通过基于逻辑与运算构造支持矩阵快速挖掘频繁模式的挖掘算法(FDLG)对信息进行挖掘产生关联规则，并借助模糊动态聚类算法辅助实现个性化推荐的体系结构。论文的主要工作如下：(1)概述了数据挖掘的有关研究内容，探讨了关联规则数据挖掘的研究现状。(2)探索了动态网页下数据采集的方法，大大减少了记录量，提高了用户的识别率。(3)对关联规则挖掘理论展开研究，讨论了一些传统的关联规则挖掘算法存在的问题，然后提出了基于逻辑与运算的快速挖掘频繁模式的挖掘算法FDLG，减少了计算量，提高了挖掘效率。(4)本文提出了访问页面关联规则和访问模式聚类分析结果相结合进行个性化推荐的方法，模糊聚类算法作为关联规则的预处理或者通过模糊聚类将相似的用户或相似页面聚在一起，形成相似用户、页面群体，从而有利地为个性化推荐提供服务。