本文通过理论分析加以辅助实验，围绕Web使用挖掘中的几个主要问题进行了研究。 　　本文首先对Web使用挖掘中各个阶段进行了全面的分析，尤其对数据预处理中用户会话和用户事务的识别技术进行了深入的探讨和分析；详细研究了Web使用挖掘的有关理论及应用空间；展望了Web使用挖掘未来的研究方向。 　　本文将Web使用模式的范围由单一的事务内扩展到事务间。Web事务间的关联规则描述的是不同的Web事务之间存在的相互关系，提出了利用频繁项目集的闭合性质来解决事务间关联规则的挖掘，给出必要的扩展定义以及设计和实现了一个高效的算法CFCIM；提出了一个基于相关性分析的关联分类算法ACBCA，直接从训练数据集中抽取k个最好的正相关和负相关规则用于分类，从而避免复杂的阈值指定和偏见规则等问题；深入研究了逆k-最近邻的理论基础，并吸取了索引树对多维数据集整体特征良好的表达能力，提出了基于多维向量的动态索引结构RkNNTree及其检索方式RkNNQuery算法。 　　本文提出一个新的基于项目的协作过滤推荐算法CFBIS，利用当前对象的影响集来提高该资源的评价密度。CFBIS同时结合当前对象的k个最近邻和k′个逆最近邻来为当前对象产生推荐，并为这种新的推荐机制定义了计算预测值的方法，实验结果证明，这种方法有效的缓解了数据集稀疏的问题。