随着网络技术的飞速发展,囤积在互联网上的数据越来越多。利用Web数据挖掘技术从中提取有用的信息,己成为近期国内外数据挖掘研究方向的热点。其中,Web用户聚类技术利用Web日志记录对用户行为进行分析归类,发现隐藏的用户兴趣和访问规律,从而为互联网企业提供有效的信息,为用户提供更优质的服务。Web用户聚类基于Web日志进行挖掘。该方法首先进行Web日志预处理,选择和抽取用户特征；然后依据提取的特征值衡量用户之间的相似度；最后通过聚类算法得到聚类结果。本文针对基于用户浏览路径的Web用户聚类方法进行分析,深入研究了用户浏览路径聚类算法(UBPC算法)。首先以事务识别提取到的路径作为用户特征,结合雅可比系数与CM系数计算用户相似度,使用路径相似度矩阵表示对象间相似度,给定一个阈值构造相似类,构造相似类后,再删除其中重复的类以及各类间的相交项,最终得到聚类结果。在理论研究的基础上设计开发了基于用户浏览路径的Web用户聚类挖掘系统。该系统包括日志数据的预处理(数据格式转换、数据净化、用户识别、会话识别)、会话相似度计算、用户相似度计算和基于UBPC的Web用户聚类四个主要功能模块。系统选取某所大学的招生办网站日志作为样本开展实验,实验结果表明,系统功能基本达到了设计要求,所用的聚类算法可以得到比较精确的用户聚类效果,不足之处是当挖掘的Web日志数据较多时,系统运行时间较长。