随着网络技术的发展,Web在信息共享、电子商务和提供在线服务方面得到广泛的应用。越来越多的人利用Internet来查找自己所需要的信息,如何帮助用户快速的查找到自己想要的信息,满足他们的个性化需求便成为现代网络技术关注的重要问题。为解决这一问题,研究人员提出了Web用户聚类方法。Web用户聚类通过对相似用户归类,了解用户群体的需求和兴趣,从而为用户提供更优质的服务。Web用户聚类主要是对Web日志进行挖掘,主要包括三个步骤:首先对日志进行预处理提取用户的特征;然后根据用户特征计算用户间的相似度;最后进行用户聚类。用户特征的提取和用户相似度计算在聚类过程中非常重要,它们的好坏直接影响用户聚类的效果。目前,用户特征或者采用用户会话路径来表示,或者采用事务识别出的目标页面来表示,但是会话路径粒度通常太大,目标页面也很难发现用户的浏览行为;相似度计算时,已有方法主要进行集合之间的交集运算,还有方法提出采用平均停留时间来计算相似度,但这些方法都不能很好的发掘用户的真正兴趣。针对上述的问题,本文提出一种新的用户特征表示方法,采用事务识别提取的路径来表示用户特征。它比用户会话路径粒度小,同时弥补了目标页面表示用户特征的不足,能很好的发现用户的浏览行为。并以此为基础,提出一种新的相似度计算方——WUSC(Web UserSimilarity Calculating)。该方法将事务路径看作一个有序序列,考虑用户问路径上的相同部分和整条路径的关系,并充分结合用户浏览路径上的停留时间来计算用户间的相似度。用户浏览路径上的停留时间主要通过路径上各个页面停留时间来计算,页面停留时间指下一页面开始访问的时刻减去本页面开始访问的时刻,这种停留时间计算方法能较真实地反映用户的兴趣。最后,在新的用户特征表示方法和WUSC方法基础上,使用UBPC聚类算法完成基于用户浏览路径的Web用户聚类,并进行对比实验。实验结果证明:本文方法对用户相似度的计算更接近真实的情况,能够达到提高Web用户聚类的效果。