联机分析处理(Online Analytical Processing, OLAP)支持分析人员和决策者从多个角度对数据进行交互访问,但随着数据仓库数据量加大,用户通过OLAP交互式数据浏览和分析变得复杂,不断尝试无效查询操作,降低了实现业务分析目标的效率。针对数据仓库数据量加大,用户通过OLAP交互式数据浏览和分析变得复杂的问题,本文提出了基于聚类的OLAP查询日志挖掘及操作推荐的方法。该方法由两部分组成：为解决查询稀疏性问题,离线挖掘部分对OLAP查询进行聚类形成类别序列集合,在类别序列集合上使用BIDE序列模式挖掘算法形成频繁序列模式集合,再通过前缀树建立算法建立类别序列前缀树；在线推荐部分,通过在前缀树中匹配当前用户查询的类别序列产生候选查询类别,最后将查询类别转化成查询推荐给用户。该方法采用开源的Mondrian OLAP服务器实现,为用户产生查询推荐,实验结果表明：使用合适的距离函数和聚类的类别数量,推荐的正确率可以提高。