一个网站由许多个网页组成，网站上的信息分布在这些网页上，而不同用户对不同网页上的信息感兴趣，现在随着网络技术的高速发展，网络上的信息呈指数增长，所以人们要想在众多的信息资源中找到自己需要的信息越来越困难。如何通过使用挖掘技术来了解用户的兴趣和爱好，分析用户的浏览模式，并如何根据用户的当前访问需要，自动实时地为用户提供推荐页面，成为了一个热点研究课题。 本文主要研究如何利用Web挖掘分析日志得到用户对网站的访问模式，据此提出一种能帮助站点所有新老用户提高访问效率的推荐技术，完善站点拓扑结构，以提高站点访问效率。为此，本文主要做了以下几个方面的研究工作： 1）概述了Web挖掘的有关研究内容，探讨了关联规则数据挖掘的研究现状。 2）从Web日志文件内容向各种挖掘算法提供准确的数据源，对Web日志挖掘数据进行预处理工作，并对其中的问题进行了讨论。 3）介绍了经典的Apriori算法和FP—growth算法，结合FP—growth算法中FP树的生成，提出了一种新的类FP—growth算法对频繁路径进行挖掘，并对传统FP—growth算法进行改进，用于对目标页面的挖掘。 4）设计了一个个性化网站定制服务系统。 本文的研究工作是对挖掘关联规则的FP—growth算法的切实可行的改进，对研究关联规则的挖掘算法具有一定的参考价值。而对用户访问模式的研究有利于提高站点信息服务质量，促进智能信息处理领域的发展，在理论和实践上都有重要的研究意义。