Internet是一个全球的、分布的、动态的信息仓库，它存储着大量的数字化信息。在今天，它已经成为大众获得日常信息的重要来源。可是，由于庞大的信息量，对于每一个用户来说，如何能够及时地发现有用的信息则变得越来越困难。而对于每一个网站想如何及时了解自己组织结构的合理性也很困难。然而Web服务器日志文件中记录了该服务器被外部访问的所有信息，通过对这些过程信息的分析，可以客观地反映服务器的内部结构、组成、内容、访问频度等有关该服务器的重要信息。同时，在任何一个服务器上都可以很方便地得到它的日志文件，数据的来源很方便，所以对它进行分析是可行的，而且也是有效的。 本篇论文主要从以下四个方面对Web日志挖掘进行了系统的分析和研究。第一是对数据挖掘和Web日志挖掘进行了概述，阐述了Web日志挖掘的意义、研究的现状、面临的问题；第二是讨论了Web日志挖掘的三个阶段：数据预处理、模式发现和模式分析；第三是认真研究分析了模式发现阶段的基于聚类的数据挖掘的基本原理和一般方法，并介绍了模糊聚类理论应用及研究；第四是对模糊C-均值聚类算法作了介绍，提出了一种适用于Web日志挖掘的数据结构及相应的算法。数据结构是一个用户／页面(User_URL)关联矩阵，用来表示用户对页面的访问信息。挖掘算法采用模糊聚类，可以得到Web日志中具有相似访问兴趣的Web事务群体。