聚类是数据挖掘中一种重要的挖掘方法，它从数据库中计算对象间的相似性，并依此对对象进行分类，使得不同类中的对象尽可能相异，而同一类中的对象尽可能相似，即“物以类聚”，发现数据中隐含的有用信息或知识，数据聚类在很多领域中有着广泛的应用。本文研究的主要内容是基于Web日志完成其潜在的网络用户聚类，获得的聚类结果可以作为网站结构的优化、站点的重构以及个性化的服务和推荐的依据。本文分别从用户浏览路径的结构和内容两方面对Web日志中潜在的网络用户聚类进行深入的研究，分析了目前网络用户聚类的研究现状，着重研究用户浏览路径聚类算法(UBPC)，指出该算法在网络用户聚类过程中存在的不足，并提出相应的改进。基于Web日志完成了用户识别、会话识别、事务识别等数据预处理过程，以用户的会话作为用户聚类的特征，引入一种计算有序的非数值数据对象相似度的方法，实现了基于浏览路径结构的用户聚类。引入了目标页和导航页的概念，提出一种先对目标页聚类再利用目标页聚类的结果进行用户聚类的方式，完成了基于浏览路径内容的用户聚类。在上述两种用户聚类过程中均采用改进的用户浏览路径聚类算法(UBPC)，最后对聚类结果进行了分析，提出一些网站结构优化以及个性化服务的建议。