伴随着信息产业的高速发展,当人们面对海量的数据信息时希望通过对数据进行更深层次的分析,以便挖掘出大量隐藏在数据背后的重要信息。但传统的数据管理方法不但无法发现数据之间存在的联系和规则,而且也无法依据已有的数据来预测数据未来的发展趋势,这就直接导致了“数据爆炸”和“知识贫乏"这两种现象同时发生。于是人们不得不去寻找一种新的方法或技术来智能地、自动地和有效地将现有的数据转化处理为有用的信息和知识。Web数据挖掘技术就在这种大背景下应运而生并逐渐发展起来。本文分析了Web数据挖掘技术的研究现状,对不同的挖掘方法分析了它们的优缺点,得出Web数据挖掘技术的发展趋势,了解Web数据挖掘及其相关的基本概念和基本技术,为课题的研究奠定理论基石。通过研究模糊集理论和关联规则挖掘算法的基本概念、定义及方法,分析了现有的一些关联规则挖掘算法的优点和不足,针对单纯的关联规则挖掘算法在进行挖掘时容易产生划分边界过硬的问题,通过引入模糊集理论并利用模糊集理论的性质来软化边界,并在一种现有的挖掘加权频繁项集算法(Mining Weighted Frequent Itemsets,MWFI)的基础上进行改进,提出挖掘模糊加权频繁项集算法(Mining Fuzzy Weighted Frequent Itemsets,MFWFI)。通过设计实验来验证改进的可行性,并通过对实验结果数据的分析来评价MFWFI算法的性能。结果表明,改进算法不但比原算法的运行时间要短,而且随着记录数量的不断增大这种优势就更加的明显。