在网络管理中普遍存在信息安全保障和资源有效分配等方面的问题，这些问题都与用户的操作行为密切相关。本文针对基于Web日志的用户访问模式挖掘问题进行了较为深入的分析和研究。 根据Web使用挖掘的处理步骤，以实际的月度Web日志数据为挖掘对象，运用统计分析方法、回归分析方法以及关联规则方法等数据挖掘技术对Web日志数据进行了较为深入和全面的分析挖掘。 通过统计分析方法，发现了用户访问行为的时间特征和信息需求特征，并分析了影响网络运行状况的各种因素。 运用回归分析方法建立了预测分时段用户访问量的回归方程式。根据实际数据的验证和评估，证明回归方程式能够较好地预测分时段的用户访问量。 采用最大值方法建立了描述分时段网络运行状况最大值的数量表，较好地预测了分时段用户访问请求数据传输量和处理时间的最大值。 选择FP-Growth算法对用户信息需求的相关性进行了分析挖掘。为了避免在挖掘过程中产生大量的关联规则，对FP-Growth算法作了改进，缩减了频繁模式集的大小。根据不同类型用户的访问特点，分别设定了相应的最小支持数以及最小置信度，并对挖掘出来的关联规则进行了筛选。对满足每一条关联规则的用户数进行了统计，并计算其占总用户数的比重。经过分析挖掘，最终形成了描述用户信息需求相关性的知识。 对用户访问模式的分析挖掘有助于网络管理人员及时掌握用户的访问行为特点，制定出有针对性的管理措施，有效地管理用户访问行为，达到保障信息安全和有效分配网络资源之目的。经过验证和评估，本文所提出的分析挖掘方法是切实可行的，适用于日常的网络管理工作。