基于Web数据挖掘的自适应网站可以很好的解决当前海量网络信息让用户疲于浏览的现状。数据挖掘技术提取出用户的浏览模式等有用知识，运用这些知识则可以有效的帮助网站优化设计结构和提高网站服务质量的目的。Web数据挖掘的结果是自适应网站向用户提供个性化服务的主要依据。论文首先论述了Web数据挖掘，并对Web日志挖掘进行了分析和研究，尤其重点介绍和研究了Web日志数据的预处理过程。第二，改进了关联规则算法，本文通过减少该算法对数据源的扫描次数的思路，提高算法的执行效率。第三，本文还运用了EM聚类算法、最大向前引用算法、路径填充、序列模式发现以及会话识别算法等获取用户的浏览习惯和用户可能感兴趣的信息内容。第四，本文研究分析了自适应网站系统，并将Web数据挖掘的结果融合到自适应网站当中，总结出了自适应网站系统的框架。接着又提出了自适应网站的目前存在的不足之处，并给出了改进建议。第五，本文实现了自适应网站、基于Cookie技术和Session会话的用户身份识别方法以及通过自动的增加动态链接的方式为用户提供个性化服务功能。最后，论文对以上运用到的算法和自适应网站的性能进行了实验结果分析。在文章的最后总结了本文的主要工作内容，并就目前自适应研究存在的不足提出了改进建议和进一步研究的内容。总之，本文通过改进的关联规则算法、用户识别技术等方式为自适应网站提供了用户的感兴趣的内容。自适应网站则根据这些规则进行网页内容调整，更好的为用户提供个性化服务。Web数据挖掘是网络处理海量信息的一种非常有效的手段，因此，基于Web数据挖掘的个性化自适应网站是未来网站的一个发展趋势。