Web日志挖掘是数据挖掘研究领域中一个重要的方面,旨在调整网站结构,优化服务性能;响应每一个用户的特定需求,为其提供个性化服务等等。Web日志挖掘划分为三个阶段分别为数据预处理、模式识别和模式分析。论文详细分析了数据预处理过程,数据清洗、用户识别、会话识别、路径补充和事务识别。提出一种基于时间间隔的会话识别方法,并以绝对式评估标准验证了其高效性。针对本地缓存和代理服务器缓存,提出了一种新的路径补充算法,并用测试用例验证其有效性。论文深入研究了数据挖掘中的模糊C-均值聚类算法(FCM),基于其缺点即受孤立点和聚类数目c的影响较大,提出了一种改进的模糊C-均值聚类算法,通过对数据对象的模糊隶属度增加一个加权值,以及引入模糊聚类有效性函数对聚类数目c进行优选;实验证明改进的FCM算法是有效并且是高效的。最后运用改进的FCM算法进行Web日志挖掘分析,并提出了基于Web日志挖掘的用聚类方法实现实时个性化推荐集的方法。