随着Internet在流量、规模和复杂度等方面的飞速增长，网络正在成为人们进行信息交流和信息处理的有效平台，网络上积累了海量的数据。面对如此巨大的信息量，如何发现自己所需信息，成了困扰网络用户的一大难题。 为了解决上述问题，Web挖掘技术应运而生，其中，Web日志挖掘是Web数据挖掘研究领域中一个重要的方面，而数据预处理在Web日志挖掘过程中起着至关重要的作用。本文深入探讨了数据预处理的主要任务，提出了一种新的Web挖掘预处理方案。该方案采用用户访问页面的时间和用户的最低访问时间，界定该页面是否为用户感兴趣的页面，并删除用户不感兴趣的页面和链接页面，寻找一组能够有效压缩搜寻路径(降低搜寻费用)的超链接，重新定义用户的访问事务。 数据经过预处理后，就可以根据具体的需求来选择诸如聚类、分类、关联规则等数据挖掘技术。本文研究分析了聚类技术，以及当前Web聚类的内容和方法，通过聚类用户访问的Web事务，发现相似的用户群。由于经过预处理后，数据量还是相当大，作者分析研究了基于目标函数的聚类方法后，发现该方法对初始值敏感、易陷入局部最优解，且迭代次数多，为此，提出了一种改进聚类方法。最后，结合一个具体的实例，对算法的有效性进行了验证。