近年来许多传统数据挖掘研究者,已逐步从传统数据挖掘领域过渡到Web数据挖掘领域。随着Web上XML数据量爆炸式的增长,XML已成为Internet上数据交换和数据表示的事实标准,并且在将来XML将代替HTML而成为Web上驻留数据的主要格式,于是,基于XML的数据挖掘方法已经成为Web数据挖掘领域和XML技术领域的一个研究热点。面向Web的数据挖掘技术与面向传统数据库的挖掘技术不同,基于XML的Web数据挖掘过程中,一般要将HTML数据格式转换成XML格式,再对XML数据进行相关挖掘操作。目前,多数基于XML数据的挖掘算法是用半结构化数据模型来描述XML数据的,并在此基础上进行频繁模式发现,而用半结构化数据模型描述XML数据时具有一定的缺陷,因此影响了挖掘算法的性能。针对上述问题,论文做了如下工作:1.描述了一个基于XML的Web数据频繁模式挖掘框架结构,它在原有半结构化数据模式挖掘算法的基础上,根据XML数据的模型特点,对频繁模式挖掘算法进行了归类;依照半结构化数据的产生方式、组织形式、存储结构,抽象和总结了原有的XML数据挖掘算法。2.分析了半结构化数据模型描述XML数据时存在的一些缺陷,针对这些缺陷,研究了一种面向XML的扩展标记树模型ETM,作为XML数据挖掘任务使用的数据模型。3.使用ETM有序树作为数据模型,给出了XMLFPTMiner算法来挖掘XML中的频繁模式树,并研究了一种修剪策略对XMLFPTMiner算法进行改进。根据修剪策略,可以直接从某些已知频繁子树中产生某些未知频繁子树,因此减少了算法在候选子树的产生和支持度计算上的开销,从而提高了算法的效率。