随着Internet发展和网络信息量的急剧增长,人们感觉查找到自己所需要的信息已变得越来越困难,究其原因就是传统的信息检索方式越来越不能适应网上海量增长的信息,促使人们寻求智能化的信息检索方法,以满足日益增长的信息检索需求。本文对面向智能信息检索技术的Web挖掘的若干关键问题进行了研究,重点是Web日志挖掘数据预处理,改进了为Web用户聚类和Web页面聚类提供技术支持的聚类算法。本文提出了新的会话识别算法,该算法先通过统计方法得到页面访问时间,在根据页面内容及站点结构确定的压面重要程度对该阈值进行调整。本课题在对各类常见的聚类方法进行讨论的基础上,改进了K-means聚类方法和DBSCAN聚类方法,针对K-means聚类方法提出了一种基于数据样本的实际分布情况确定初始化中心点的方法,另外K-means算法中K值是很难估计的,改进算法是根据准则函数的最小值来自动的生成聚类数目,提高了K-means算法的聚类准确率;对于DBSCAN算法实现了密度聚类的领域半径Eps和领域半径内数据对象的个数Minpts两个参数根据数据对象的分布特性自动确定,能够有效的提高DBSCAN算法的聚类效果和准确率。