随着移动设备技术的进步与通信技术的革新,人们对随时随地访问互联网的需求越发迫切。传统网络已经不能满足需求,移动互联网应运而生。移动互联网的出现带来了新的商业模式,给各行各业带来了新的机遇与挑战。在移动互联网环境下,商家更加关注用户的行为,从而指导商户进行商业决策。本文提出了一种用户行为分析机制对用户的位置行为及其兴趣行为进行分析,具体过程如下。首先,一种基于时间窗口的轨迹挖掘算法被提出,用于从移动用户的位置移动记录中挖掘用户的移动轨迹。其次,引出了聚簇紧密度的定义,从而设计了一种改进的轨迹聚类算法来分析个体移动用户的移动行为。再次,为了更好地分析移动用户的群体移动行为,提出了一种可用于大规模轨迹数据聚类分析算法。此外,对移动用户的兴趣行为进行了分析——设计了一种基于朴素贝叶斯算法来分析个体移动用户的兴趣行为,并在此基础之上,设计了一种改进的朴素贝叶斯分类器用于解决各个主题下网页数量分布不均匀的问题。最后,基于MapReduce模型,设计了一种可分布式执行的朴素贝叶斯分类器用于大规模网页文档分类。以Hadoop平台为实验环境,对本文设计的移动用户行为分析机制进行验证。结果表明,该机制能够有效地分析出移动用户的位置行为和兴趣行为。此外,将移动用户位置分析机制和移动用户兴趣行为机制分别与经典密度聚类算法和经典朴素贝叶斯算法对比,本文提出的机制能够更加精确的分析出移动用户的位置和兴趣。