电信客户在日常通信过程中会产生移动通信数据，其中通话行为数据中就包含了海量的用户通话相关信息，分析这些数据可以了解用户的通话行为，探讨人的日常行为模式，继而可以构建电信用户行为画像支持电信企业精准营销，因此，通过数据挖掘手段研究用户的通话行为模式是具有重要意义的。本文通过分析某电信运营商1个月的用户通话数据和基站数据，运用数据挖掘手段，对基站覆盖区域进行功能区标注，并在此基础上挖掘用户的日常行为模式，最后以此为基础构建用户画像，为电信企业的精准营销提供支撑。主要做了以下几点工作：　　1.分析不同基站在不同时间段的通话特征，主要分析通话时长和通话频率两个方面，应用改进的贝叶斯分类算法将基站划分为五种不同类型功能区，对基站进行功能区定义；　　2.针对单纯通话特征不能准确表达客户发生通话行为时所在的基站功能区信息，采用在每个基站所在地理位置周围的标志性建筑比例，设计自定义的地点语义信息数据库，并将信息库向量模型与贝叶斯分类器结合的方法构建贝叶斯分类器，通过实验证明结合后的基站功能区分类算法取得了很好的分类效果；　　3.在功能区分类的基础上，挖掘每个用户的生活轨迹，通过分析每个用户一个月的日常行为模式构建用户画像，并选择了四名在年龄、职业、生活规律方面有代表性的电信客户，基于用户特征推荐相应的个性化业务，为企业决策提供数据支撑。　　研究结果表明，采用通话特征与语义信息数据库结合的方式构建的分类模型，在基站语义判别准确率上取得了较好的效果，并且对于不同的地点类型，权值需取不同的值能达到最优的分类效果，验证了本文所使用方法的有效性，最后将分类结果应用于后续的用户生活模式挖掘和个性化业务推荐领域，证明该方法具有广泛的应用价值。