随着互联网的发展,Web中提供的信息越来越丰富,但是Web站点及信息数目的增多,导致用户寻找信息困难,这就促进了提供一对一服务的个性化服务系统的出现。个性化服务的实现需要借助Web数据挖掘技术。一般来说,Web挖掘分为四个子任务:资源搜索、数据预处理、模式发现和模式分析。预处理是Web挖掘任务的一个重要阶段,也是工作量较大的一部分,数据预处理的质量直接关系到数据挖掘结果的好坏。Web挖掘的针对性强,对于不同领域,数据预处理、模式发现和模式分析等过程的处理也不完全相同。目前,具体到针对个性化服务的数据预处理研究方面,研究大都停留在对启发式规则的简单应用,而没有结合相关的领域知识。尤其是在会话识别中,一般根据设定的阈值进行“一刀切”式的处理,会话识别的精度不高,从而影响了后续对用户访问习惯的挖掘。本文着重对个性化服务所基于的Web数据挖掘技术中的数据预处理过程进行研究。在研究过程中以中俄经贸合作网个性化服务所需的Web挖掘数据形式为目标,通过改进现有的启发式规则,进行系统建模、数据结构设计、程序流程设计等,使用编程语言最终实现了一套Web日志数据预处理系统。该系统将数据预处理的过程-数据清洗、用户识别、会话识别等功能封装起来,增加了数据预处理过程的可重用性,使得在进行进一步个性化研究时更加快捷、方便。同时,在SQL SERVER形成了一个可供进一步进行个性化服务研究的数据挖掘库。在如何能高效地应对更大数据量下的日志处理,如何在不影响效率的前提下更加精确地识别用户和会话,以及如何在预处理过程中更好地利用好领域知识等方面,需要进一步的研究。