随着Internet的迅速发展,网上信息飞速增长,人们面对种类繁多的各类信息,却缺乏有效地自动获取信息的方法。本文针对传统的推送技术存在的忽视用户需求、推送信息针对性不强和获取用户信息需求不智能、不及时的弊端,以Web挖掘技术为基础,对智能主题推送中的关键技术展开研究,最终实现了综合风险智能主题推送系统。主要研究内容包括:1.对Web日志挖掘预处理过程进行研究。分析了预处理各个步骤的目的和方法,并对相关步骤进行了改进,实现了数据清洗、用户识别、会话识别、路径填充和事务识别各步骤并给出了相关算法描述。2.对模糊k-均值聚类算法进行了改进。深入研究了k-均值聚类算法和模糊k-均值聚类算法,对传统模糊k-均值聚类算法进行了去除空簇的改进,并通过实验比较,验证了改进算法的有效性。3.提出了一种根据用户主题兴趣度构建用户访问矩阵的方法。进行用户访问模式挖掘时,对传统基于用户浏览兴趣度构造用户访问矩阵的方法进行了改进,提出了一种基于用户主题兴趣度矩阵构建用户访问矩阵的方法。该方法有效地解决了用户访问矩阵的稀疏性问题。使用改进的模糊k-均值聚类算法实现用户聚类,提高了用户聚类结果的准确性。4.采用基于改进的模糊k-均值聚类的协同过滤推送算法,对目标用户根据所在的用户兴趣度相似群进行相似性计算。依据计算的预测兴趣度生成推送集,有效地解决了协同过滤推送算法中存在的矩阵稀疏性、冷启动和自动化推送等问题。5.设计并实现了一个综合风险智能主题推送系统,提供风险行业的智能主题推送服务,具有良好的智能性、主动性。本课题得到了“十一五”国家科技支撑计划重点项目——“综合风险防范(IRG)关键技术研究与示范”(2006BAD20802)支持。