随着网络的迅速发展和向社会生活各方面渗透,可利用的信息资源的数量越来越大,人类交互信息也不可避免地电子化和海量化,而巨量、无组织的信息给用户寻找感兴趣的信息增加了困难。Web数据挖掘技术为有效解决这一问题开辟了崭新的途径。本文利用Web挖掘技术对海量的Web访问日志数据进行分析和处理,并将可视化技术应用于挖掘后的结果,使用户更加方便地找到所需信息,从而提高网站可用性。 本文首先分析了国内外的研究状况,着重对日志数据预处理过程及相关方法进行了深入分析和讨论,提出了一种Web日志挖掘数据的预处理算法,可以将用户识别、会话识别和路径补充一次性完成,避免了以往算法分步进行、反复读取庞大日志数据集的不足,从而提高了处理的效率。然后,分析了现有的数据挖掘中的聚类挖掘算法,结合基本蚁群算法理论,提出了一种基于蚁群算法的Web用户浏览路径聚类算法。该算法采用最频繁访问页进行分组,综合考虑了访问时间和访问用户重要程度,结合用户访问顺序、访问网页相同或有相同父节点或子节点进行相似度计算,并在整个聚类过程中,动态调整聚类种类数,得到了较好聚类结果。同时,在聚类基础上进行了路径关联分析。最后,本文还对网站可视化技术进行了一定分析,将Web日志挖掘结果做了可视化处理,使网站管理者直观地发现网站可用性问题。 从实验结果看,本文提出的预处理算法是有效的,改善了实际进行数据挖掘时所要处理的数据的质量,从而使整体算法的效率有所提高。基于蚁群算法的Web用户浏览路径聚类算法也能更加准确地得到用户的浏览情况。在此基础上利用蚁群算法的转移概率分析关联网页进行个性化推荐,覆盖率和准确率较采用Apriori算法高,能更准确地反映用户浏览趋势。同时,网站管理者可以参照用户浏览情况可视化的分析结果调整网站结构,从而达到提高网站可用性的目的。