WWW个性化推荐问题是WEB挖掘的一个重要研究方向。针对传统的固定阶数的Markov链模型用于WWW个性化推荐问题的不足，提出可变多阶Markov链模型（Variable Multiple Order Markov Chairr--VMOMC）。VMOMC将用推荐目标网页概率值度量的可变多阶Markov链并行组合，组合模型中采用遗传算法确定各单阶Markov链模型的最优权重，在真实WWW站点访问日志数据上的实验结果表明：VMOMC与传统的定阶Markov链浏览推荐模型相比，具有较理想的推荐性能。
