随着互联网的高速发展,互联网已经深入的社会生活的各个方面,现代生活已经离不开网络的存在,它已经成为人们获取、传播信息的重要手段。用户对网络的依赖也越来越高,在网站遗留的记录也越来越多,因此在网络服务器端存储了海量的用户数据。面对如此宝贵的资源,如何发现用户的意图与偏好,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面临的最主要的需求之一,而Web日志挖掘旨在利用数据挖掘技术对Web日志深入而详细的分析,挖掘出隐藏在其之后的用户访问意图与规律,从而解决上述问题。本文通过对Web日志的分析,利用数据挖掘技术,以YF网用户查询日志为基础,使用统计分析、文本挖掘、关联分析、回归和聚类等数据挖掘技术,获得蕴含在用户日志中的有价值的知识,为有效提高网站的性能,改善网站的结构,完善用户体验等给出了相应的建议。首先,本文在引言部分阐述了课题的相关研究背景以及研究现状,同时对本文的研究内容,创新点以及组织结构进行详细论述。随后,是作者对相关理论的综述,包括Web挖掘、Web日志挖掘、房地产网站的日志挖掘,详细阐述了日志挖掘的起源,分类,过程和应用；同时,对文中涉及的研究方法进行了详细的阐述,包括统计分析,路径分析,关联分析,序列分析,相关分析和偏相关分析,回归分析以及聚类分析。其次,本文研究的主要内容包括以下四个部分：一、对用户检索内容的研究。首先对Web日志中的[Query]字段进行拆分与整理,共计得到18个字段,随后利用统计分析方法,对Web日志中用户查询热点时间段、访问量,用户对居住区域的选择(包括：区域、片区、关键字、标签、小区编号),对房屋的选择(包括：房型、客厅、最小／最大价格,最小／最大均价,最大／最小面积),以及用户的浏览行为(包括：时段,访问日,有效期,房源)进行了分析并得到相应的热点访问数据,从而分析出用户的热点需求,为网站改善用户体验提供相关依据,而且从长远看也有助于房地产企业细分市场；通过对用户的首次搜索行为至第12次搜索行为进行了分析,发现在用户的持续搜索行为过程中,随着搜索次数的增加,搜索的精确度在增加,对搜索目标也进一步的明确；通过用户访问热点趋势数据与现实生活中的房屋成交数据进行对比分析,发现两者之间存在的差异,为网站的设计与开发提供可靠有效的依据。二、对用户搜索的各变量之间相关性研究与网页序列关联规则的研究。利用YF网日志中的[Query]字段用户搜索时所使用的11个变量进行两两(共计55组)相关性检验,在汇总结果后对其中存在高度相关关系的变量进行具体分析,发现高度相关关系存在于变量：房型、面积两者之间,显著相关关系存在于：价格、面积、房型、客厅这四个变量之间,随后利用数据挖掘中的简单关联规则(Apriori算法),对各个变量之间的关联关系进行计算,给出了可视化的结果和相应的关联规则(共计5条)；然后通过序列关联规则的方法(Sequence算法),进一步对用户浏览网页的顺序进行了分析,得出相应的用户浏览规则,并对浏览序列规则进行了详细分析,发现用户的浏览行为偏好。三、房屋成交量影响因素的研究。重点分析了现实中房屋的成交量与网站用户访问量之间的关系,先是通过相关分析方法,对影响二手房成交量的各个因素(包括：二手房访问量、金融机构公积金贷款利率、消费者价格指数(CPI)、新房成交量、新房价格、商品房住房新增面积、二手房挂牌均价)之间的相关性进行验证,去除了不相关因素(包括金融机构公积金贷款利率、商品房住房新增面积),随后,利用多元线性回归模型对影响房屋成交量的相关因素给出了相应的回归系数,揭示了各个因素对成交量的影响程度。访问量与成交量之间存在相关性这一结论在一定程度上也验证了网络搜索行为会对社会经济行为产生实际影响。四、对访问用户类型的聚类研究。利用Kohonen神经网络建模,以用户访问的页面停留时间[M]、点击次数[0]、访问深度[G]这三个维度,对用户类型进行科学研究。为了更好的进行聚类,需要对数据审核,以异常指标(Anomaly Index)为判断标准探索数据中的离群点,在剔除离群点后,按照[M]、[0]、[G]这三个维度进行聚类,结果得到五种不同类型的用户集,以购房或租房意愿为标准分别命名为：观望者、普通的潜在消费者、有价值的潜在消费者、重点关注的消费者以及有价值的消费者；然后结合不同网页自身的特点对每个用户类别进行了特征分析。最后,是结论与展望,总结本文取得的成效,同时也给出了研究过程中的不足之处并提出进一步的改进方案。