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，算法能较快地给出推荐集，并且可以获得更高的准确率和覆盖率-T