web用戶行為模式挖掘另外的一個重點是關聯規則挖掘。關聯規則挖掘主要用於發現用戶之間、頁麵之間以及用戶瀏覽頁麵和上網行為之間存在的潛在聯係。例如，如果瀏覽A頁麵的一半以上的web用戶都要瀏覽B頁麵，這顯然給網站管理者提供了一條重要參考，可以考慮要在A頁麵中加入B頁麵的鏈接，諸如此類。
行為模式挖掘可為網站推薦係統的實現奠定基礎，網站推薦係統以用戶行為模式為基礎進行更有針對性的網頁推薦服務，將用戶感興趣的頁麵動態組織起來自動的推薦給用戶瀏覽，從而大大提高網站的智能化和人性化。
2.3web用戶行為模式分析
采用各種技術挖掘出來的web用戶行為模式數量龐大、表達晦澀，如果沒有合適的分析工具和機製輔助，很難使得數據挖掘結果得到真正的有效利用，要解決這一問題就需要模式分析的可視化技術，利用圖形化的方法來表現複雜的數據模式，幫助網站決策者理解挖掘結果之間的關係。
目前數據挖掘模式分析可視化方麵采用最多的是IDL（交互式數據語言），該語言是麵向矩陣、語法簡單的第四代可視化語言，它支持OpenGL圖形加速、量化可視化表現、集成數學與統計學算法、方便的數據輸入輸出方式、跨平台圖形用戶界麵工具包、連接ODBC兼容數據庫及多種程序連接工具等，是目前科學數據可視化方麵較好工具。將IDL應用在用戶行為模式可視化表示方麵，同時結合知識查詢機製，通過有效的篩選和聚集，不僅能夠快速方便的獲取知識還可以直接獲得輔助決策的附加信息。
2.4web用戶行為模式應用
目前，web用戶行為模式挖掘應用最廣泛的領域是web推薦係統，當前領域內有兩種實現方法：由用戶行為模式挖掘中的關聯規則挖掘總結出用戶訪問頁麵的潛在聯係並根據此結果對網站內容進行動態調整，不斷根據用戶當前訪問的頁麵向其推薦具有一定關聯性的其他頁麵；通過使用過濾技術過濾掉用戶不感興趣的內容從而實現個性化推薦，過濾技術可分為內容過濾和協作過濾。隨著互聯網的發展，web用戶行為模式將得到更多更有效的應用。
3結束語
基於會話的web用戶行為習慣分析，對於用戶心理學、數據挖掘等理論在網絡中的實際應用具有積極的推進作用。利用會話可以實現一個用戶在多個頁麵間切換時能夠保存個人信息的特性，而采用基於會話方式的用戶行為習慣研究方法，可以將每個用戶會話看作是一係列包含基本請求和參數值對的用戶請求，當用戶訪問應用時被記錄下來。基於會話，利用web數據挖掘技術和信息可視化技術，可以為web用戶行為習慣分析研究提供更好的支持，更好地保證用戶行為習慣分析數據的準確性和完整性，對進行web用戶行為習慣的研究具有指導性意義，從而對幫助優化網絡資源、改進互聯網體係結構起到積極的推進作用。