随着Internet的普及,信息快速增长与人们注意力有限性的矛盾在不断增加,而Web日志挖掘正是解决这一矛盾的有效手段。Web日志中隐含了用户访问网站的行为和特点,使用聚类技术对其进行分析可以得到用户的兴趣模式,从而为网站结构的优化、个性化服务的推荐、电子商务的开展等方面提供帮助。传统的聚类对用户兴趣考虑不充分,导致聚类效果不理想。本文通过引入路径兴趣度的概念对用户访问兴趣模式进行挖掘,再利用改进的聚类算法对用户访问路径进行聚类,实验表明该方法聚类效果明显。本文的主要内容如下:(1)介绍并分析了Web日志挖掘中的数据预处理技术,提出了由用户访问序列直接转化到各个事务的SFT算法,该算法在保证预处理精度的前提下提高了预处理的速度。(2)针对用户访问路径兴趣度表示的不足,本文提出了改进的兴趣模式挖掘算法IPS,该算法以选择兴趣度、访问时间兴趣度和支持度三个指标来度量用户兴趣路径,并从执行准确度和执行时间两方面将IPS算法与MFS算法进行比较,实验表明IPS算法具有一定优势。(3)针对目前事务聚类算法缺乏用户访问顺序性的缺点,本文提出了改进的用户兴趣模式聚类算法UIC,该算法综合考虑了页面顺序,给出了路径相似度的定义,在此基础上建立用户浏览路径相似度矩阵,从而获得聚类结果集,为个性化服务、电子商务等方面提供了依据。