作为丰富信息资源的提供源,Web已逐渐深入到人们学习、工作和生活的方方面面。随着Web结构的日益复杂,信息的日趋庞杂,用户要想在大多没有考虑其偏好和浏览兴趣的网站上获得有用信息变得越来越困难。Web服务器日志是一个结构化较好的记录集,保存了用户访问Web各页面的情况,这样旨在使用数据挖掘技术从用户与Web的交互信息中获得用户访问模式的Web日志挖掘技术应运而生。其中聚类方法常被用在Web日志挖掘中进行用户模式分析,以发现具有相同访问兴趣的用户,从而改进站点结构,实现个性化服务。本论文主要以聚类方法来挖掘Web日志,以期能用性能较好的方法挖掘出用户有用的模式。论文的主要研究内容如下:(1)总结了国内外Web日志挖掘技术和人工免疫系统的研究现状,分析了Web日志挖掘中数据预处理方法,介绍了人工免疫系统的基本机理和基本原理。(2)基于硬划分的聚类算法在处理Web日志数据时未考虑到其模糊性和不确定性,本文采用模糊C-Means聚类算法进行Web日志数据挖掘。以用户会话标识为行,用户访问的网页为列,构造用户会话矩阵,矩阵元素为用户访问兴趣度。对该矩阵进行模糊聚类分析后,获得具有相似访问偏好的用户,进一步处理得到用户共同的访问请求和访问行为,为个性化服务提供了依据。(3)鉴于Web日志数据呈现高维特性,常规聚类算法处理时存在维数灾难而导致效果不理想,并且必须事先给定聚类数,而实际应用中聚类数往往事先无法确定,本文采用人工免疫系统思想进行Web日志的挖掘。利用人工免疫系统中抗体与抗原之间的关系,将Web服务器看成生物机体,用户访问Web的请求序列即用户会话看成入侵抗原,通过抗体对抗原的不断学习,从抗原中提取结构和分布特征,形成特异性的记忆抗体,实现动态聚类。该算法挖掘Web日志时,能压缩数据,形成能反映抗原集类分布特性的记忆抗体集,自动生成用户会话的聚类模式。通过与模糊C-Means聚类算法的信息熵比较,该算法能更好地将具有共同特征的数据聚为一类,适合于Web信息量大且动态增长的特点。因此,应用本文提出的Web日志挖掘方法可以从服务器日志中提取出用户访问模式,为Web站点的管理者和经营者提供决策依据,在理论和实践上都有重要的研究意义。