1、隨著Internet發(fā)展和網(wǎng)絡(luò)信息量的急劇增長，人們感覺查找到自己所需要的信息已變得越來越困難，究其原因就是傳統(tǒng)的信息檢索方式越來越不能適應(yīng)網(wǎng)上海量增長的信息，促使人們尋求智能化的信息檢索方法，以滿足日益增長的信息檢索需求。
　　本文對面向智能信息檢索技術(shù)的Web挖掘的若干關(guān)鍵問題進行了研究，重點是Web日志挖掘數(shù)據(jù)預(yù)處理,改進了為Web用戶聚類和Web頁面聚類提供技術(shù)支持的聚類算法。
　　本文提出了新的會話識別算法，該算法

2、先通過統(tǒng)計方法得到頁面訪問時間，在根據(jù)頁面內(nèi)容及站點結(jié)構(gòu)確定的壓面重要程度對該閾值進行調(diào)整。
　　本課題在對各類常見的聚類方法進行討論的基礎(chǔ)上，改進了K-means聚類方法和DBSCAN聚類方法，針對K-means聚類方法提出了一種基于數(shù)據(jù)樣本的實際分布情況確定初始化中心點的方法，另外K-means算法中K值是很難估計的，改進算法是根據(jù)準(zhǔn)則函數(shù)的最小值來自動的生成聚類數(shù)目，提高了K-means算法的聚類準(zhǔn)確率；對于DBSCAN算法