随着互联网技术的快速发展,人们在获取大量信息的同时,也面临着“信息过载”、“资源迷失”等问题。网络信息多样化与用户需求专一化之间的矛盾渐渐成为困扰网站和用户的一大难题,网站推荐服务即个性化信息服务正是为了解决这个问题而提出来的。它以用户兴趣模型为核心,预测用户感兴趣的内容。本文在认真学习和研究了Web日志挖掘原理及其过程的基础上,依托亿目加速器这一特殊的软件平台,设计了一种基于Web日志挖掘的网站推荐服务系统。该系统通过对Web日志文件进行处理,采集用户访问页面信息,为用户建立兴趣模型,提供个性化信息服务。本文在Web日志文件数据预处理过程中,对传统的数据预处理过程进行了改进,改进后的预处理过程降低了数据预处理的难度与工作量,同时保证了数据预处理的质量。在深入分析划分的聚类算法和层次的聚类算法各自特点的基础上,本文使用了一种将分裂的聚类算法和k-means聚类算法相结合的算法,该算法具有较高的效率,计算代价相对较小,适合处理大量的数据。在设计个性化推荐服务过程中,针对个性化导航和个性化页面各自的特点,本文分别设计了不同的推荐算法。经验证,本文提出的算法和策略具有较高的实用价值。