近十年来,频繁模式挖掘在数据挖掘领域扮演着十分重要的角色.尽管属于数据挖掘中的一个年轻的领域,频繁模式挖掘已取得巨大的进步并获得了多方面的应用.若一个模式频繁地在数据集中出现,则称之为频繁模式.频繁模式挖掘根据所挖掘的模式类型可分类为频繁项集的挖掘、序列模式的挖掘以及结构模式的挖掘.本文主要研究频繁序列的挖掘算法,并将研究重点放置在基于模式增长的网络访问模式的挖掘上,主要提出了一种采用基于阵列技术的序列模式挖掘算法.首先,本文对频繁模式挖掘的基本内容进行了详细阐述,并根据所挖掘的模式类型,分类总结了相应算法,并对频繁模式挖掘在分类以及Web中的应用作了相应的阐述.其次,提出了基于阵列的,采用数据库映射和有效利用前缀树结构的一种序列模式挖掘算法.其采用本文提出的一种数据结构来存储序列的支持数.这样,可以用于减少对数据结构的扫描次数,提升算法的效率；同时利用剪枝技术,降低了算法中条件序列基的数量,减少算法运行时内存的占用.最后,详细介绍了频繁项集以及频繁序列挖掘研究实验中人工数据合成工具IBM Quest Synthetic Data Generator的使用方法,解释了由其合成的数据集中的数据格式.通过在人工数据集以及真实数据集上的实验验证了本文所提出的算法的效率在数据稀疏时优于经典算法；在内存消耗方而,无论数据集是稀疏的还是密集的,其表现都优于经典算法,而且当数据稀疏时表现地更为优越.