随着Internet的发展和网上信息的愈加丰富,人们越来越依赖于网络获取需要的大量信息,搜索引擎正是在这样的背景下应运而生。然而,作为通用的信息提供工具,面对海量的互联网信息,搜索引擎返回给用户的信息很多并不是用户想要的,在估计用户的意图和动向方面,不能给用户提供满意的服务。为此从用户访问行为入手,给用户提供智能推荐成为研究的热门。本文基于用户访问路径,揣摩用户需求,进而进行网页推荐。推荐结果可用于搜索引擎查询结果导航,也可优化网站链接结构。本文在对用户访问行为挖掘的基础上,根据用户当前访问的网页向其推荐八个以内导航链接,这些链接表达了大多数用户的信息需求,可提供用户到达目标信息的捷径。它属于团体推荐,根据多数用户的需求来估计当前用户的兴趣,目的是减少用户信息查询过程中不必要的带宽和时间消耗。经过分析发现,Web网页按网页内容基本上分两种：目录网页和主题网页。目录网页基本由链接组成,提供的是目录导航；而主题网页的大部分内容是纯文本,向用户传递着具体的事件。深入分析用户历史访问记录之后,在用户访问路径基础上根据网页类型,建立用户行为模型。充分考虑目录网页的特点,提出了Q-greedy贪婪算法和马尔科夫链模型,并使二者优势互补；主题网页则需向用户推荐相似主题的链接,实现上借助于信息粒度学原理,分两个粒度,层层筛选,向用户推荐高精度的链接。实验结果显示,基于用户访问路径的贪婪算法和马尔科夫链模型的结合,达到了比较满意的效果,而相似主题网页的推荐也很好的满足了用户的需求,提高了用户查找信息的满意度。