随着个人计算机的普及和Internet技术的迅速发展,越来越多的人开始从网上寻找、搜集所需要的资源,来满足各种需要。Web服务器以日志的形式记录了用户的这些行为,同时随着人们网上活动及交易的日益增多,以及大容量存储设备的出现与运用,Web服务器上的日志记录也越来越多,这使得深入研究用户浏览站点的行为规律以及分析Web站点的性能,改善网站拓扑结构和页面间的超链接结构,为用户提供更好的服务成为可能,由此产生了Web日志挖掘。本文以西安科技大学50周年校庆日志记录为基础,主要从以下几个方面对Web日志挖掘进行系统的分析与研究。首先对数据挖掘、Web数据挖掘、Web日志挖掘进行了概述,详细介绍了日志记录的内容与格式,并给出了Web日志挖掘的流程;其次对Web日志挖掘中数据预处理技术进行了分析与研究,详细分析了传统的数据预处理阶段中的各项任务,并在此基础上对预处理的步骤进行了简化,这个简化算法从会话识别直接到事务识别,而不经过路径补充;接着介绍了关联规则的一些基本概念,然后重点讲述了基于关联规则的挖掘频繁模式的经典算法——Apriori算法,通过实例分析了Apriori算法求频繁项集的具体过程,并根据网站的拓扑结构提出了一个改进算法,然后结合实例说明了改进的Apriori算法是有效且可行的;最后介绍了用频繁项集求关联规则的方法,设计并实现了一个简单的数据挖掘原型系统,通过日志数据得到了关联规则,并采用实际网页截图的形式对关联规则进行了分析,结果表明通过这样的挖掘分析,有利于了解用户的浏览习惯与改善站点的设计。