Internet的用户行为分析主要是基于Web数据挖掘,Web数据挖掘是使用数据挖掘或机器学习的方法从Web文档中抽取出用户感兴趣的潜在有用模式和信息。Web数据挖掘分为Web内容挖掘、Web结构挖掘、Web使用挖掘(Web日志挖掘)。本文主要研究负关联规则在Web使用挖掘中的应用。首先介绍了Web数据挖掘的含义和分类,接着说明了Web使用挖掘的概念,以及Web挖掘的流程。其次,初步探讨了负关联规则的相关概念,简单介绍了负关联规则的定义及性质,引出了强负关联规则的概念,接着介绍了负关联规则的支持度、置信度的计算方法,并给了负关联规则的挖掘步骤。再次,本文对负关联规则的算法进行了深入的探讨和研究。负关联规则的挖掘分为两个部分非频繁项集的挖掘和负关联规则的挖掘,本文对二者都进行了深入讨论。在探讨非频繁项集挖掘时通过对传统挖掘算法进行改进,并结合模式树的概念提出了新的非频繁项集挖掘算法MINE_FI_IFI:在讨论负关联规则挖掘算法时,结合模式树、相关度及CPIR的性质提出新的正负关联规则挖掘算法MINE_P_N_RULES.第四,本文基于Web日志挖掘的理论和本文提出的负关联规则算法的理论给出了Web日志挖掘中中负关联规则挖掘的原型系统的实现,详细说明了原型系统的主要功能模块以及各个功能模块中的实现方式,并利用原型系统对NASA-HTTP数据集进行了负关联规则的挖掘,并给出了系统关键部分的实现。最后,本文进行了实验结果的对比与分析,通过理论的方式阐述了产生实验结果的原因。