近年来,数据挖掘和万维网应用研究是信息时代两大活跃的研究领域,将数据挖掘技术应用于万维网就称为Web数据挖掘。Web数据挖掘的内容可以分为三个方面:一个是Web内容的挖掘,主要是从庞大的网络数据资源里发现信息;另一个是Web结构的挖掘,主要是通过大量的Web链接信息来识别权威的Web页面;还有一个是Web访问模式的挖掘,主要是从网站的访问日志文件中挖掘出用户访问模式,包括关联规则、序列模式等。对于从Web日志中挖掘出用户的访问序列模式,可以采用通用的序列模式挖掘算法。但是对web日志进行预处理后,得到的web访问序列数据库中的序列长度一般都很长,此时采用通用的序列模式挖掘方法就会产生数量巨大的候选模式,从而降低了挖掘速度。为了减少Web访问序列模式挖掘中产生的候选模式,加快挖掘速度,提出了一种新的Web访问序列模式挖掘算法WAPM(Web Access Patterns Mining)。该算法简化了挖掘过程中候选模式的生成操作和支持度的计算,主要包含了以下两点内容:首先设计出一个新的数据结构WAS-tree(Web Access Sequence tree)来记录访问序列和它的计数,避免冗长的支持度计算。在本算法中,只要扫描两次原始的访问序列数据库就可以构造出一棵WAS-tree。一旦构造出一棵WAS-tree后,所有剩下的挖掘工作都在该树上进行,不再需要访问原始的web访问序列数据库;然后提出了一个高效的递归算法从WAS-tree中挖掘出所有的访问序列模式。在挖掘过程中使用了条件搜索技术,使得只有那些满足最小支持度阀值的序列模式才被考虑,因此不会产生任何候选模式,加快了挖掘速度。最后给出了在Windows2000 Server 平台上的基于WAPM算法的WAP-Miner系统实现。