在电子商务的发展进程中,如何准确地理解用户访问网站的行为是十分必要和有意义的,Web日志挖掘是解决该问题的重要研究方法之一。发现用户的兴趣访问模式是Web日志挖掘的一个重要研究领域,也是产生页面推荐的重要方法。页面推荐是在用户访问模式的基础上,将用户感兴趣的链接尽量放在网站首页。用户的兴趣度是不断变化的,因此采用传统的Web日志挖掘方法很难准确地跟踪到用户的访问兴趣。本文将蚁群算法应用于Web日志挖掘,从Web日志中动态挖掘用户的访问模式。本文首先介绍了蚁群算法作为群体智能中的一个典型代表算法的产生与特点,以TSP问题为例详细阐述蚁群算法的数学模型,并给出算法结构框架,对蚁群算法的主要参数做了实验分析。然后介绍Web日志数据的收集,在分析Web日志记录结构及含义基础上,结合微软网站的日志数据,对数据预处理的各个阶段作了详细的描述。给出了蚁群算法用于挖掘用户偏好的导航模式,建立一个蚁群模型来动态跟踪和表示用户的行为,并在所建立模型的基础上,定义在网站结构制约下的用户访问序列的支持度,考虑到用户的访问行为对导航路径模式发现的影响是时间负相关,时间越久,影响越小,利用蚁群算法中的信息素来反映群体用户的浏览兴趣,设计一个算法来挖掘用户的偏好路径。引入反馈机制来保证导航模型的准确性,并且考虑到蚂蚁之间的协作作用来改善推荐质量。最后,通过实验仿真,证明了协作反馈机制的有效性。