با توجه به رشد روز افزون اطلاعات، توانایی یک سایت در پاسخ گویی سریع به بازدید کنندگان و هدایت موفقیت آمیز آنها به سمت اطلاعات مفید و مناسب، عاملی کلیدی در موفقیت نهایی سایت ها و کسب و کارهایشان به حساب می آید. شخصی سازی ، یکی از رویکردهای امید بخش برای پیش بینی نیاز های کاربران به منظور بهبود کارائی و حفظ کاربران و مشتریان وفادار وب سایت ها، می باشد. شخصی سازی از دانش حاصل از تحلیل رفتار دسترسی کاربران استفاده کرده و محتوا و ساختار سایت‏های وب را متناسب با نیازهای کاربران فراهم می سازد. یکی از این کارکردها، پیشنهاد دهیِ مرتبط ترین صفحات با توجه به صفحات مشاهده شده توسط کاربر می باشد. خوشه یابی جلسات وب ، یکی از روش های های مورد توجه در استخراج الگوهای رفتاری می باشد. نکت? کلیدی در خوشه یابی، استفاده از معیارمشابهت مناسب جهت تعریف خوشه ها می باشد. در این تحقیق، ابتدا معیار مشابهت ترکیبی جدیدی متشکل از دو معیار درجه علاقه فازی s-شکل و فاصله کسینوسی را معرفی نموده و پس از آن موتور شخصی سازی ترکیبی را برای ارائه پیشنهاد صفحات بعدی به کاربر، توسعه می دهیم. ارزیابی پیشنهادهای ارائه شده بوسیل? معیارهای صحت ، پوشش و f1 نشان می دهد که معیار مشابهت ترکیبی در مقایسه با معیارهای منفرد درجه علاقه فازی و فاصله کسینوسی پیشنهادهای با معنی تر و دقیق تری را ارائه می دهد.