Luận văn tập trung nghiên cứu các phương pháp phân cụm nửa giám sát, một hướng tiếp cận kết hợp giữa học có giám sát và không giám sát, nhằm nâng cao hiệu quả phân cụm dữ liệu web server logs. Dữ liệu nhật ký máy chủ web thường có khối lượng lớn, nhiễu và thiếu nhãn, gây khó khăn cho các thuật toán phân cụm truyền thống. Luận văn khảo sát các kỹ thuật như phân cụm dựa trên ràng buộc (constraint-based clustering) và phân cụm dựa trên khoảng cách (distance-based clustering) với sự hỗ trợ của một lượng nhỏ thông tin tiên nghiệm (nhãn hoặc ràng buộc pairwise). Qua thực nghiệm trên các tập dữ liệu web log thực tế, luận văn đánh giá hiệu năng của các phương pháp này dựa trên các độ đo như độ thuần khiết (purity) và chỉ số Rand. Kết quả cho thấy việc tích hợp thông tin bán giám sát giúp cải thiện đáng kể chất lượng phân cụm so với các phương pháp không giám sát thuần túy, đồng thời giảm thiểu chi phí gán nhãn thủ công, mở ra hướng ứng dụng hiệu quả trong khai thác hành vi người dùng và tối ưu hóa dịch vụ web.