随着计算机技术、网络技术的飞速发展,以及人们需求的不断的深入,传统的Web技术不再能满足人们个性化发展的要求。在传统的Web学习模式中,用户Web信息获取都是被动的,所有人接收的信息都是统一的信息,而无法根据用户特点展示Web中的信息,这就导致了对用户有用的Web信息无法准确的发送给所需要的用户,用户也获取不到自己想要的Web学习信息。因此针对不同用户而进行个性化的学习内容的推送,成了新的需求方向,与传统的教学模式相比,基于Web的远程教育不受时空环境的限制,使终身教育成为可能。本论文从理论和技术两个方面深入探讨了如何构建一个真正的网络个性化的学习支持系统。在基于Web的远程教育中存在着大量的有用信息。例如,Web日志中存在的Log信息能够获知访问用户访问页面的序列、用户访问系统的IP地址、一定的时间段内系统的访问量以及用户访问过程中系统的出错记录等等；此外,大多数在线系统在使用过程中需要用户注册系统,这就使得系统中存在大量的注册和选课信息。这些信息对于网站资源的重组、个性化学习与行为分析有着重要的意义。针对Web日志的利用,本文介绍了如何对日志进行预处理形成会话,然后利用关联规则Apriori算法发现用户的频繁访问项目集以及访问规则,并对其过程进行了实现。同时,通过对现有数据集的实验,讨论了算法的有效性以及运行参数的设置问题。针对学生的选课数据,本文首先根据学生选修的课程信息计算了学生之间的相似度,在此基础上,利用现有的复杂网络中的聚类技术对学生进行了聚类,并对聚类结果进行了分析和讨论。基于Web的网络教育改变了传统教学模式,使学习方式更加灵活,学生可以自主选择学习内容与学习时间,使学习更有效率和针对性。对于学校而言,这种教学模式可以优化学校教学资源,同时通过网络教学可以实时获取学生的需求以及学生的学习特征,从而为进一步探索新教学提供基础。