目前，Internet和电子商务的发展带动了面向Web的数据挖掘技术的发展。在电子商务中，运用数据挖掘技术对服务器上的日志文件等Web数据进行客户访问信息的Web数据挖掘，根据对客户的访问行为、访问频度、访问时间的分析，得到群体客户行为和方式的普遍知识，动态地调整页面结构，改进服务，给客户个性化的界面，使电子商务活动更具有针对性。 Web挖掘技术使得人们能够充分了解Web中页面的关系，以及Web站点的组织形式与用户的访问模式之间的关联。其中，面向Web服务器日志的Web日志挖掘技术尤其得到众多研究人员的关注，利用Web日志挖掘，我们可以知道用户对网站的浏览模式，可以根据用户的浏览行为发现相似行为的用户群，以及根据Web页面被用户访问的情况将具有相同特征的页面分组。 基于上面的讨论，文中提出的提高Web服务的质量的解决方案是：采用数据挖掘技术中的Web日志挖掘为核心技术，建立一个智能Web站点(Intelligent Web Site，简称IWS)。智能Web站点利用Web日志、文档、数据库以及站点结构等可以获得的数据，采用数据挖掘技术，从中获取用户访问模式，根据用户当前访问的情况，实时地推荐用户可能感兴趣的内容，同时，Web服务器根据站点的使用情况，寻找站点设计的不合理之处，从而提醒管理员进行修正。 本文首先提出了IWS的结构和组成模块，然后围绕智能Web站点中的模块，研究了其中的一些关键的数据挖掘技术与算法，最后在此基础上实现了一个原型系统。根据这条思路，本文主要包括以下内容：第2部分给出采用Web日志挖掘技术的智能站点体系结构，作为论文后续内容的一个索引。第3到第5部分是本文的重点，论述了设计智能Web站点所需要的数据挖掘技术，第3部分主要介绍了Web日志数据预处理技术研究中的一种改善预处理结果的方法——Frame页面过滤技术。第4部分论述了一种快速高效挖掘Web日志文件中聚类模式的算法——SLIC(Slope-Item Clustering)。第5部分提出了挖掘Web日志中频繁访问页组的一个加强算法。第6部分简述了面向Web日志挖掘的智能站点的实时推荐模块和管理员模块。根据前面的讨论，第7部分给出一个试验原型系统——IWS，最后一章总结了本文的所做的研究工作并给出了进一步的研究方向。