随着移动互联网的快速发展,以智能手机、可穿戴设备等为代表的智能终端已突破网络边界成为互联网数据的重要出入口,正全方位融入教育、汽车、医疗、金融、旅游、生活服务等众多领域。与此同时,在移动互联网应用领域中其用户存在特定的用户特征、行为和偏好,利用其特征进行精准用户刻画、实现精细化运营,已成为运营企业移动互联网业务发展的核心竞争力。然而,移动互联网环境下大数据存在多源异构、业务分布广泛、先有数据后有模式等特点,给移动互联网环境下用户行为分析带来更多挑战。对此,论文针对电信行业语音通话业务、短信业务、流量业务等多业务环境下的移动互联网用户行为进行分析与建模。论文主要工作如下:首先,针对多业务环境下,用户使用移动网络资源时产生的海量结构化数据,通过协议分析及业务特点对相关数据进行预处理,提高数据质量为下一步建模分析做数据准备。其次,通过对现有用户画像建模方法的研究,针对目前缺少细化挖掘分析、片面用户属性分析的问题,提出了基于密度切割K-means算法的用户画像建模方法,在用户事实标签的基础上,通过优化K-means算法从而提取用户隐性标签,全面刻画用户行为特征。实证研究表明,该建模方法可以有效地对用户隐含信息进行分类提取,能充分反映客户的潜在需求,为精准化推送营销提供可能。再次,针对目前少有结合多业务环境对用户不同属性行为进行关联分析,给出了基于业务的支持度计算方法,通过对不同业务数据分析和处理,在Hadoop平台上应用Apriori算法对用户移动属性和业务行为属性进行关联分析。实证研究证明了用户移动属性与不同业务环境之间存在的关联性。研究工作表明,通过建立用户画像和用户行为分析模型,可以为电信企业提供必要的量化理论支持,为市场策略选择提供决策依据,有利于提升市场策略的效率和效益,在理论研究和实践应用上具有重要意义。