随着信息技术的迅猛发展,信息技术在各个行业的使用也越来越普遍,随之而来的是数年来这些信息系统沉淀下来海量数据,并且这些数据还在增长,这些海量数据中包含丰富的用户行为信息。如何能精确、及时地从这些信息中发掘出对企业有用的知识,挖掘出这些数据背后隐含规律与信息,已成为制约企业决策发展战略,开拓市场并且拓宽客户群的一个瓶颈。基于这个背景,本论文设计了一个用户行为分析系统。这个系统主要用于中国移动或者中国联通BOSS/BSS系统与运营商各增值业务生产系统之间,系统处于通信运营商内部网络中,在网络安全性上较为有保证;系统利用基于数据挖掘技术的贝叶斯的增量学习分类方法对用户数据进行分类,提取用户数据模型及用户行为特征,并利用贝叶斯增量学习算法不断对该模型进行优化从而实现对客户消费行为的精准定位。此外,用户行为分析系统可以直接将获取到的用户产品兴趣度输出给外围广告系统,从而实现对用户进行精准广告投放并发掘潜在的用户。论文首先分析了目前国内运营商在3G时代来临面临的全新挑战背景,介绍了用户行为分析系统的系统框图,从系统分析到系统功能的实现都进行了论述。论文着重从以下方面作了详细论述:①数据挖掘技术在用户行为分析系统中应用以及数据挖掘技术的主要方法和一般过程;②通过对用户的行为特征不断进行分析,根据获得的数据信息利用贝叶斯增量学习算法对用户进行分类,不断地更新分类模型,实现结果反馈自学习功能;③通过行业知识关系树将获取得到的用户行为信息建立用户全生命周期的贡献度原子模型,并通过SVM算法为用户建立多维度空间的分类向量模型。