序列模式挖掘是在指定的序列数据集中发现满足最小支持度的所有频繁序列,目前在电子商务领域中获得了广泛的应用。传统序列模式挖掘算法存在两个缺点：第一,对所有序列和所有项同等对待,而实际上序列和项具有不同的重要性；第二,传统序列模式挖掘算法在面临大数据集时,仍产生大量的候选序列；传统算法只能通过提高最小支持度来减少产生的候选序列,而没有提供其他途径。Web日志中序列模式挖掘过程包括数据集收集、数据集预处理、发掘模式和分析模式,挖掘过程中每个步骤结果作为下一步骤的输入数据,所以每个步骤均会影响到最终的模式结果。本文在研究分析SPAM算法和WARM算法的基础上,结合两者的优点提出了WSPAM算法。WSPAM算法有两个主要特点：第一,WSPAM算法引入权值来挖掘出少量且重要的序列模式,针对引入权值时向下闭包属性失效问题,使用WARM算法的加权支持度来解决；第二,WSPAM算法采用TPV_Set(事务位置向量集)结构表示序列,改善了SPAM占用内存大的缺点。最后本文实现了挖掘原型系统,分别采用模拟数据集和真实日志数据集对WSPAM算法和SPAM算法进行了测试,实验表明,WSPAM适用于要求内存效率高的场景,SPAM适用于要求时间效率高的场景。