随着Web站点自身信息越来越丰富和拓扑结构越来越复杂,目前信息服务中普遍存在着“信息过载”和“资源迷向”的状况。从用户的角度,不同的用户有不同的访问目的,而同一个用户在不同时期的访问兴趣也可能会发生变化。对网站来说,只有迅速满足用户的访问需求,提高信息服务质量,才能创造更大的经济效益。为了解决来自用户和网站双方面的问题,自适应网站应运而生,它通过学习用户访问模式,呈现不同的界面给不同的用户并且完善网站自身拓扑结构。网站自适应技术从1996年开始就已经成为人工智能领域的研究热点,近年来伴随着数据挖掘技术的不断成熟,以数据挖掘为支持的网站自适应技术已经取得了一些重要的理论和实践成果。准确及时的掌握用户对网站的访问情况是确保网站高效地实现自适应性的重要依据。本文主要研究如何利用Web挖掘分析日志以获得这些信息,并且转化成站点的智能,使其自适应的提供个性化推荐,改变用户视图和优化网站结构。为此,本文主要做了以下几个方面的研究工作:(1)分析研究自适应网站的需求,讨论用户访问模型的建立,以及基于Web使用挖掘可以获得的各种用户访问模式。(2)为了从Web Log文件内容向各种挖掘算法提供准确的数据源,对Web使用挖掘日志预处理工作中的问题进行了讨论。(3)分析经典数据挖掘方法应用于实现站点自适应的优缺点,针对其存在的问题,分别从关联规则模式、序列模式和聚类模式三个方面提出实现个性化推荐的算法。并且提出了利用蚁群算法内在的并行性解决日志海量更新的思想。(4)为了通过客观化的度量来确保自适应网站的性能,本文讨论了各种衡量各种推荐系统的指标。以重庆大学网站为平台,从理论和实验角度对上述Web挖掘技术进行评价,研究综合利用这几种模式实现站点自适应的方法。(5)提出一个自适应网站的原型系统,从而验证了运用相关技术实现网站自适应是可行的。本文应用Web挖掘技术从访问日志中提取用户访问模式,将挖掘到的知识转变为站点的智能,实现站点自适应。自适应网站的研究有利于提高站点信息服务质量,促进智能信息处理领域的发展,在理论和实践上都有重要的研究意义。