为改善用户的Ｗｅｂ页面访问行为、提高访问效率，设计了一种基于贝叶斯网络的网页推荐模型及推荐算 法。通过收集和分析服务器中的描述文件和日志文件，利用Ｂａｙｅｓｉａｎ网络分析页面间的依赖关系，构建了基于贝 叶斯网络的网页推荐模型并产生推荐集。通过在Ｍｉｃｒｏｓｏｆｔ公司提供的网络日志数据集上做的实验，可以获得超 过８０％的准确率和覆盖率。理论分析和实验结果表明：算法能够在线实时向用户做出个性化的推荐，与已有的推 荐算法相比，

本文以网上购书为例,对基于数据挖掘技术的个性化的网上购书系统进行了研究设计。网站主要实现了注册登录模块功能，书籍根据分类和书名搜索功能，查看书籍详细信息功能，利用关联规则，贝叶斯分类算法向用户推荐用户可能感兴趣或对用户有用的书的模块，加入购物车，购买模块。前面的功能只要是前台的显示，在服务器端，使用SQL server2005作为数据库，由后台逻辑控制模块把数据提交给合适的功能模块和算法模块，从而组合成一个完整的系统。在这个系统中，页面

基于贝叶斯的协同过滤算法，电影评分推荐，数据库ml-100k(Collaborative filtering algorithm)