随着手机上网服务的普及,移动互联网网站间的竞争变得愈发激烈。为了留住用户,网站需要充分了解用户的特点和需求。本文将从用户上网的时间特点角度出发对用户进行分析。时间的概念对于移动互联网有着特殊的意义,该意义源于使用手机这种载体上网是可以做到随时随地。用户上网时间的分析对于商业应用具有积极意义,内容包括对用户上网的时间规律的把握,为广告的定向投放提供依据,为其他商业分析提供支持等。　　 数据挖掘技术作为一种获得信息的有效途径己被广泛应用。由于上网用户行为的多样性,很难完整预见到在用户中普遍存在的各种登陆时间的组合模式。本文研究了关联规则和聚类这两种非监督数据挖掘方法在提取用户登陆时间模式中的应用,得到了具有实践价值的用户分组结果,从而全面把握了用户的登陆时间特点。在应用研究中,本文重点比较了不同算法对结果的影响,并形成了算法实际使用中对数据准备的若干体会。　　 本文的主要工作包括:　　 1.在数据准备方面,提出了一种适用于本文分析所需的数据格式。综合考虑了用户登陆的随机性、单用户登陆时段的多少、不同用户因登录天数不同引起的数据标准化问题等。　　 2.在关联规则方面,现有数据集中各项频率差异较大,针对该特点在比较几种关联规则算法的不同处理方式后,基于MS-Apriori算法在操作上易于理解的优势,采用该算法作为本次分析之用。　　 3.在聚类方面,针对分析需要,选取基于划分聚类思想的CLARA算法和基于密度聚类思想的DBSCAN算法,通过使用样本数据进行聚类操作的方式,对比了两种算法的聚类效果和各自的优缺点。对比后认为CLARA算法在聚类效果、运算效率等方面都较为适合本次的分析需求。同时,基于CLARA算法提出了根据登录时段多少将用户进行先期分组,再进行聚类分析的方法。　　 4.分别使用MS-Apriofi算法和CLARA算法进行实际的用户分类操作,并将二者的分组结果进行了对比。最后总结了关联分类和聚类间在解决实际问题中的的异同。