互联网的迅猛发展,为人们提供了各种信息资源,然而,如此庞大的信息量为人们寻找自己真正感兴趣的信息带来困难。因此,要为用户提供更好的服务,关键是发现用户的潜在访问兴趣。解决这一问题的方法就是将传统的数据挖掘技术应用于Web上,通过分析研究Web服务器日志记录来获取用户的浏览模式,根据用户的行为模式,进行页面推荐和提供个性化服务。本文首先对数据挖掘、Web挖掘及Web日志挖掘进行了系统的讨论,简单的介绍了数据挖掘的过程、方法和Web挖掘的分类,详细地分析了Web日志挖掘预处理的各个步骤,包括数据净化、用户识别、会话识别、路径补充和事务识别等,并对其实现方法进行了研究;其次在对关联规则深入探讨的基础上,对Apriori算法和改进的Apriori算法进行分析,并用实例对两者进行比较,接着,介绍了序列模式挖掘的相关概念,详细描述了基于Apriori算法的类Apriori算法,并将Apriori算法的改进思想应用到类Apriori算法,改进类Apriori算法的性能,并用具体实例详细分析了改进的类Apriori算法的流程;最后设计并实现了一个基于Web日志挖掘的页面推荐系统模型,使用南京理工大学钟声网的Web服务器日志记录进行测试,并给出了相应的推荐方案,供网站设计者参考。