随着网络信息量“爆炸式”地增长，传统被动的网络信息提供方式越来越难以满足用户需求，出现了所谓“信息过载”和“信息迷航”问题。个性化服务是顺应用户个性化需求的产物，能够将用户感兴趣的信息主动推荐给用户，并且随着用户需求的不断变化而发展。个性化服务已成为未来信息服务发展的趋势。 Web日志中含有用户请求页面的地址、页面停留时间和页面访问顺序等信息，通过Web日志挖掘可以自动获得相关页面、相似用户群体和用户访问模式等信息，从而能降低用户负担，实现主动地信息推荐。Web日志挖掘已经成为实现个性化服务的基础和必要条件。本文主要对基于Web日志挖掘的个性化服务相关技术进行了研究。 首先，研究了个性化服务中的用户模型。在分析传统向量空间模型表示法的不足基础上，提出基于目录结构的向量空间模型表示法，结合手工定制建模和自动用户建模提出了交互式用户建模，聚类分析中，改进了凝聚层次聚类方法，提高了其执行效率。其次，给出了在本文提出的用户模型基础上个性化混合推荐的算法及实现，实验分析表明混合推荐具有基于内容推荐和协作推荐的优点，有更好的推荐性能。最后，实现了基于目录结构的个性化推荐系统原型，并通过实验分析证明了该系统的可行性和有效性。