针对Web个性化信息推荐技术面临的主要挑战，本课题对WPIR系统的设计及关键技术进行了有益的探索和研究。 首先，改进了基于关联规则超图模式的高维数据聚类算法，提出了一个新的超边权值度量方法。该超边权值度量方法既能比较好的反映频繁数据项的密切程度，也能较好的反映出该频繁数据项在整个事务中的支持率，克服了现有权值计算方法存在的不足。 其次，提出了Web个性化信息推荐系统框架，并给出了工作原理，系统结合了Web使用挖掘和Web内容挖掘，并在挖掘处理模块设置了一个关联规则处理器，相应地使用聚类处理器采用改进的基于关联规则超图模式的高维数据聚类算法，这使得整个系统在增加关联规则处理器的情况下不影响处理速度，准确率却得到了提高。 再次，根据用户是否有新颖信息的需求，给出了两种不同的推荐算法。当当前用户是访问站点较少的用户或有新颖信息需求的用户时，采用基于使用聚类与内容特征聚类相结合的推荐方法；否则采用基于关联规则与内容特征聚类相结合的推荐方法，它具有快速、准确的特点。 最后，对提出的方案进行了实验，通过了对比性测试，以及对试验数据的统计证明了改进后算法的优越性。