伴随着通信技术的快速发展,人类已经进入了移动互联网时代,人们大都使用移动终端接入移动互联网进行信息的获取和交互。移动用户群体的庞大性,不仅决定了移动互联网市场的巨大潜力,而且也极大推动了对移动互联网相关领域的研究。此外,移动互联网与大数据的结合也为运营商创造了巨大的价值,利用移动互联网大数据分析和处理技术,不仅可以优化网络配置,提升网络性能,也可以为用户提供个性化的服务,提升用户的使用满意度。所以,在大数据的背景下,对用户行为和业务相关性的分析具有重要的意义。本论文从中国某一个大型城市的真实的用户业务使用数据出发,对移动互联网用户的业务使用行为及移动互联网业务的相关性进行了研究。论文的主要工作如下:首先,论文建立了能够描述用户业务使用行为特征的模型,分析结果显示,短时间内,用户倾向于持续使用同一种业务类型,并且习惯于在熟悉的业务之间来回切换。其次,结合用户业务使用行为特征模型和半隐马尔可夫模型,进行移动互联网用户业务使用行为的预测。基于一个城市的真实通信数据,论文选取了 1500个用户,结果显示,超过80%0的用户的业务使用行为的预测准确率在0.8以上。再次,分析了一天中业务使用记录数的变化规律,将一天合理的划分为103个时间窗,并建立了业务间的状态转移模型,通过业务发生概率矩阵和业务状态转移概率矩阵来分析业务间的相关性,结果显示,网页、即时通信类和流媒体这些在用户所使用的业务中占有较大比例的业务,它们之间相关性较大,并且它们与其他在用户所使用的业务中占有较小比例的业务之间也有较强的相关性。最后,利用卡尔曼滤波算法的思路,通过对业务发生概率的预测,对所得到的反映业务间相关性的业务状态转移概率矩阵进行了验证,结果显示,业务发生概率的预测平均相对误差值的数量级为10的-4次方,这说明所得到的业务状态概率矩阵能够很好的用来反应业务间的相关性。本论文的研究结果,有利于提高运营商业务推荐与用户喜爱偏好的匹配度,给市场营销提供更精确的策略支持,从而改善用户的业务满意度,进一步指导服务提供商建立与用户体验强相关的网络评估和优化指标体系。