现代电子信息技术的快速发展使得互联网信息呈爆炸方式增长。然而,信息的急速增长却未能给用户提供方便,海量数据给用户获取知识带来了极大的障碍。这种障碍使得用户在信息的海洋中却无法找到期望有效知识。为解决此类问题,Web个性化服务技术应运而生。Web个性化服务是将Web技术与数据挖掘技术相结合以提高Web站点服务质量为目的的一种服务模式。个性化服务是一种“信息找人”的服务模式。将Web挖掘技术应用于个性化服务系统之中,结合Web文本挖掘、Web领域本体等技术进一步提高Web站点系统的服务质量。近年来,在国内外学者的共同努力之下Web个性化服务技术取得了一系列重大科研成果并形成一套经典的个性化服务模型。然而,现阶段个性化服务理论体系仍有许多需要完善的地方,比如系统“冷启动”问题、如何高效准确更新用户兴趣模型的问题、个性化推荐算法研究问题等。为解决以上问题,本文在传统个性化服务模型的基础之上,提出了一种基于效用的Web个性化服务模型。本模型引入了效用理论,在其基础之上提出了一种基于效用的用户兴趣模型更新算法,以探求一种高质量的用户兴趣模型根更新算法。对于传统个性化服务模型系统中普遍存在的“冷启动”问题,本文通过引入三方平台登录模块,以三方平台上丰富的用户网络资源来构建用户初始兴趣模型,使用户可以快速得到高质量个性化服务。并且针对经典个性化推荐算法-K-means算法的不足,本文提出了一种基于协同聚类的用户-兴趣项双聚类算法。通过模拟实验表明,本模型能够提供较高质量的个性化服务,可以满足Web站点的个性化服务建设需求,具有较高的理论研究价值与现实意义。