随着互联网的普及以及异构数据的频繁交换,半结构化数据的规模快速增长。如何从这些半结构化数据中获得有价值的知识和信息,已经成为数据挖掘领域的一大挑战。半结构化数据挖掘困难的原因是因为半结构数据并不具备像结构化数据一样严格的结构,使得已有的数据挖掘算法并不适用于对其进行挖掘。因此,本文设计实现了半结构化数据挖掘系统,将数据挖掘技术用于半结构化数据的挖掘。本文分析了半结构化数据的相关技术以及对比了多种数据挖掘算法,确定了将XML数据以及序列模式挖掘作为研究的方向。本文主要完成了以下工作:首先,选择了标签序列表示法作为XML数据的表示方法,并在此基础上,提出了用于表示多个XML文档的复合标签序列表示法。其次,对prefixspan算法的工作流程以及优缺点进行了详细的分析。提出了投影坐标的概念,并使用投影坐标改进了prefixspan序列模式挖掘算法,设计了IPBPC算法。并进一步对IPBPC算法进行优化,给出了针对简单序列数据库挖掘的prefixspan-simp算法。设计实验对IPBPC算法和prefixspan-simp算法的效率进行验证。最后,设计实现了半结构化数据挖掘系统,进行了XML文档挖掘实验,实现了从数据导入、序列挖掘最后到结果展示的一系列功能,说明本文系统的可行性和实用性。实验结果表明本文设计的半结构化数据挖掘系统能够在一定程度上解决半结构化数据挖掘问题。