随着Internet技术的迅速发展,WWW的应用也越来越多,Internet上信息资源分布越来越广泛,种类越来越多,www已经成为大多数人获取信息的主要方式,但其信息其分布的广泛性和大量性导致人们无法有效快速的选择个人感兴趣的信息,即信息过载和信息迷失。当前激烈的网络经济中,要在竞争中取胜必须先要赢得客户,即必须能够考虑到用户的不同和其兴趣偏好,要解决信息过载和信息迷失,需要为用户提供具有智能化的搜索引擎,从而web数据挖掘技术诞生了,最近研究者们提出了一系列被认为能够有效用于web数据挖掘的方法。提供智能化搜索的方法之一是将数据挖掘技术应用于web服务器日志文件,通过分析web用户的浏览行为数据得到用户的浏览行为,改进站点设计,为不同的用户采用不同的服务策略,增加个性服务,提高用户的满意度。本文重点研究web日志挖掘技术及其执行步骤,主要研究内容如下:较为系统地分析Web日志挖掘中数据预处理方法,详细研究和讨论日志挖掘中数据预处理的步骤。对用户访问兴趣进行表示和度量,提出一种基于用户浏览时间、点击次数度量用户兴趣度的方法。提出一种基于用户访问兴趣的模糊聚类算法,在此基础上构建个性化网页推荐模型。推荐模型分三部分:流量统计、离线模式分析,在线个性化推荐。对当前论文的工作进行总结,展望web日志挖掘的进一步发展。