面对World Wide Web上的海量信息,如何快速、准确地从动态、异质、半结构化的数据中提取人们感兴趣的、隐含的、有应用价值的知识,已成为人们普遍关注的问题。Web个性化服务指Web站点通过跟踪,研究用户登陆信息,发现用户的喜好,动态地为用户提供浏览建议,制定浏览内容。Web数据挖掘是利用数据挖掘技术在网页数据中发现潜在的、有用的模式或信息。本文将模糊聚类运用到Web使用挖掘中,在实现Web服务器日志的数据预处理后,对Web事务数据进行Web模糊聚类、分析、研究,有效的抽取出用户感兴趣的模式。通过Web使用挖掘技术可按照用户的兴趣和爱好智能地改进Web站点上的信息组织与显示,针对不同用户提供不同的服务策略和服务内容,改善网站的质量,使网站建设和修改更加有的放矢,减少用户的无效点击操作次数,缩短查找信息的时间,提高访问效率,更好地实现Web个性化服务。本文研究了Web数据挖掘的预处理过程,并给出了各项任务的相关算法。通过对模糊聚类理论和技术的研究,提出了Web使用挖掘技术的模糊聚类过程模型。对于该模型在Web事务中的Web用户聚类、Web页面聚类等方面的应用和实现进行了探索性研究。研究了基于页面层次和偏好度获取浏览频繁路径的方法。结合XML技术,提出了一个Web个性化系统框架。依照该框架开发网站的相关管理系统可针对用户不同兴趣转变服务策略,提供针对性的服务,在不增加现有服务站点硬件设备的同时使其更具人性化。