随着全球Web站点数量迅猛增长,信息量和复杂度也不断提高。如何合理安排Web站点的内容和组织结构,运用站点自适应技术,建立站点动态模型,进一步增加Web站点的吸引力,提高站点的质量,已经成为Web应用中重要的研究课题。本文重点研究了Web数据挖掘和Web站点自适应技术：分析了事务聚类算法,在聚类的相似性度量上,不再单纯地以访问次数或浏览时间来度量,而是采用用户浏览离散化时间为度量；研究了Web挖掘过程中的聚类和关联规则挖掘,提出了一种基于URL—User ID关联矩阵的用户聚类、页面聚类和频繁路径发现的挖掘方法；设计了基于Web日志挖掘的自适应Web站点系统；从个性化推荐和Web站点优化两个方面入手,分析了自适应站点的实现方法；并利用现有的网络环境,对Web站点优化进行了实验验证,根据试验结果对站点的结构进行了调整。实验证明,改进后的挖掘算法简单高效,资源占用少,挖掘结果真实可信；本文设计的自适应Web站点系统达到了设计目的,具有一定的实用价值。本文仍有不足之处：自适应Web站点的实施包含个性化推荐和Web站点的优化两个方面,本文的实验验证侧重于Web站点的优化,对于个性化推荐着力不够,有待进一步验证；本文实验选取的对象仅是某高校二级学院的Web站点,站点结构相对简单,如何把该系统应用于整个校园网,有待于进一步研究和验证。