随着Internet的迅速发展和广泛普及,信息快速增长与人们注意力有限性的矛盾在不断增加,而Web日志挖掘正是解决这一矛盾的有效手段。Web日志中隐含了网络用户的行为信息,Web日志挖掘可以发现用户访问行为的特征和规律,再通过分析这些特征和规律以达到识别网站的潜在客户,提高对用户的服务质量的目的。聚类是Web日志挖掘应用的数据挖掘技术之一,使用聚类技术对用户的访问行为进行分析可以实现对具有相同兴趣的用户自动分类,从而为网站结构的优化、个性化服务的推荐、电子商务的开展等方面提供帮助。本文的主要工作如下:(1)提出一种基于混沌蚂蚁群优化算法的聚类算法(CAS-C),并将其应用到Web用户聚类。该算法将聚类问题转化为一个函数优化问题,通过对目标函数的优化,寻找具有全局最优的聚类中心。在算法执行过程中,寻找聚类中心可以通过混沌搜索和自组织优化两个过程来实现。与经典的聚类算法k-means相比较,我们提出的算法具有了以下三方面的优点:对中心初值不敏感,能够找到全局最优解;适用于包含的类具有多个大小和密度的数据集;适用于高维数据。(2)按照Web日志挖掘的一般过程,使用实际网站—中国税报网站(www.ctaxnews.com)的服务器日志做为实验数据,完成对该网站用户的聚类并分析聚类结果。首先我们对日志数据进行预处理并生成用户访问模式,然后使用CAS-C算法进行聚类。通过对聚类结果的分析,我们发现了有用的用户访问行为特征和规律,它们为个性化服务、电子商务等应用方面提供参考和依据。