随着Web2.0时代的到来,网络已成为人们获取各种信息和资源的重要途径。商业、企业、政府、教育等机构不断加速在万维网上的数据积累,存储了海量的数据信息。万维网已然成为全世界最丰富和最密集的信息存储及交换的场所。面对如此宝贵的资源,如何分析蕴藏在其中的信息和知识,挖掘用户行为并加以有效利用,是当前互联网企业的关键需求之一。Web数据挖掘旨在运用数据挖掘技术,通过对Web日志和用户行为的分析,挖掘有用的知识及背后的规律模式,从而解决上述问题。本文详细阐述了从Web数据挖掘到用户行为分析的整个过程。主要研究工作如下：1)介绍和分析了Web数据预处理技术,包括数据清理、会话识别、事物识别等关键步骤。分析网页和点击次数的关系,计算关键字和链接之间的相似度,提出一种改进的相似度算法,提高关联规则算法的精确度。2)利用基于聚类分析的方法识别用户行为模式,并在传统的模型中引入时间等因素,检测突发事件,以反映用户兴趣随时间的变化规律。实验结果证明,本文所提出的改进方案能够有效的分析用户意图,挖掘用户行为规律。且与传统的技术相比,其准确度和效率均有所提高。本文所提出的各项改进方案均可以直接或部分修改后应用于不同类型资源的系统中,因此本研究成果具有一定的普遍意义。