随着计算机技术的发展和Internet的普及,Web和用户对Web访问的信息的爆炸式增长与人们注意力的有限性之间的矛盾也随之加剧,Web数据挖掘是解决这一矛盾的有效手段,但由于Web数据及应用的特殊性,使得传统的技术不能直接应用在Web的信息挖掘中.Web日志数据是记录用户对Web站点访问信息的数据,保存有大量的路径信息,对这类信息的分析有利于设计人员掌握用户访问Web的行为特征,并可以用来对网站的结构进行优化和页面的重组.传统的关联规则挖掘技术是从包含一组事务记录的数据库中发现一些事务项目间关系的信息.该文的工作,是致力于将关联规则的概念引入到Web挖掘系统中,将用户的访问路径以关联规则的形式表现出来,其目的在于从用户访问超文本系统的行为中发现用户的访问模式.文中对数据挖掘中的关联规则进行了系统的探讨,在综述Web数据挖掘的分类、研究内容和目前的研究现状的基础上,给出了从原始日志数据如何初步分析出用户路径的启发性规则和形式化描述.在此基础上,给出了两种方法来发现用户的访问关联规则.一种是采用最大向前路径(MF)方法,最后的步骤类似于传统数据挖掘中的Apriori算法.另一种方法是将超文本系统看成是一种有向加权图,经过对可信度和支持度的重新定义,使之适合于用来表示用户的访问路径,并引出复合关联规则挖掘算法.