由于Web的全球普及,Web上信息量无比丰富。不同种类的用户群体从Web页面中提取的信息肯定大不相同。通过对Web日志的挖掘,结合聚类技术有效地对用户行为进行聚类,可以优化网站、为用户提供个性化服务、便于网络营销、改善网络安全等等。因此,利用Web日志挖掘用户的行为已成为当今热门的研究话题。本文提出了一种基于Web日志对用户行为的挖掘方法,主要通过对Web日志进行数据预处理、用户识别、事务识别等步骤,得到用户的事务列表,从事务列表中提取了用户访问页面的时间、感兴趣的页面数、下载次数等特征值,利用改进的蚂蚁堆聚类算法对用户行为进行聚类分析。在基于蚂蚁堆行为的算法中,本文改进了传统的LF算法,主要体现在用户行为相似性计算中。针对传统的特征加权算法通常采用平均值的处理,不能满足本文用户行为聚类分析,本文采用离差最大化赋权方法,对各维特征值的权系数进行改进。与传统的蚂蚁堆聚类算法相比,本文提出的方法更适合高维特征值的聚类,更好地反映了用户的行为规律,从而为网管人员有针对性的优化网络,满足客户对应用的需求。