随着信息技术的发展,海量的数据正不断地产生,对数据的分析已经不再是人力所能完成的任务,对应这一问题,人们提出了数据挖掘技术。数据挖掘是从大量的数据中发现隐藏在其中有意义的信息的过程,而频繁模式挖掘则是数据挖掘中的一项重要工作。频繁模式指的是数据中多次重复出现的数据片段,频繁模式挖掘即从大量的数据中找出这些频繁模式。在对频繁模式挖掘的研究中,对半结构化数据挖掘的研究已经有了不小的进展,对数据流挖掘的研究也已经有了一定的基础,然而将两点结合在一起的研究却相对较少。因此如何高效准确地对半结构化数据流进行频繁模式挖掘,成为了本文研究的重点。半结构化数据流同时具有数据流的实时、有序、无限、连续等特点以及半结构化数据独特的树形结构。针对以上这些特点,本文提出了一个基于时间窗口的可以实现对半结构化数据流进行挖掘处理的模型,将半结构化数据流序列化并进行分段,然后使用本文提出的SPrefixTreeISpan算法对每个数据段分别进行挖掘,最后将挖掘结果保存在一个patternTree结构中进行维护。对于半结构化数据流分段造成的挖掘结果不准确的问题,本文提出了一个checkStack结构以及对应的处理策略。本文将XML数据流作为挖掘对象。由于XML数据往往通过XML Schema定义它的数据结构,通过分析Schema,从中提取出了必然孩子关系和必然父亲关系,并对本文算法进行了优化,最终提高了挖掘效率。最后,通过实验证明,本文算法具有良好的挖掘效率,同时基于Schema特征的优化策略是有效的。