用户浏览模式与页面推荐是Web日志挖掘领域的一个研究热点。随着Internet应用的越来越广泛，Internet上的数据量也越来越大，人们迫切需要从这些用户浏览网站留下的记录中得出需要的“感兴趣”的信息。页面推荐是指在用户浏览模式的基础上，将用户频繁浏览的链接尽量的放置首页，或者有针对性的修改从首页至频繁页面的链接关系。本文论述了用户浏览模式和页面推荐的内涵，详细介绍了Web日志挖掘的算法；同时介绍了蚁群算法的产生，原理，并以TSP问题为例详细分析了蚁群算法的流程以及时间和空间复杂度。本文在分析蚁群算法框架的基础上，分析了蚁群算法应用于Web日志挖掘的可行性，设计了基本蚁群挖掘算法。同时，通过分析信息素扩散的更新策略在TSP问题中的使用特点，进而将信息素扩散的更新策略引入到Web日志挖掘中，并设计了基于信息素扩散的改进蚁群挖掘算法。在分析蚁群算法和Web日志挖掘的基础上，本文设计实现了完整的Web日志挖掘系统，包括日志预处理，挖掘算法和挖掘结果等。在挖掘算法中，设计了两种蚁群挖掘算法：基于基本蚁群算法和基于改进的蚁群算法。最后设计试验进行了蚁群挖掘算法中参数的配置，蚂蚁个体数目的确定，以及两种算法的收敛性对比试验。并在此基础上进行用户的浏览模式和页面推荐的分析。