移动互联网发展迅速,而数据是联系社会和网络的重要纽带。基于移动互联网数据的用户行为分析研究有助于揭示用户行为动态,并分析多种社会现象,研究成果可以极大地丰富社会行为学的研究及应用。本文以移动互联网为背景,利用移动互联网详单记录（UDR）数据研究多种用户行为,进而推理用户行为特征,为电信业务运行、网络管理、应用推荐提供技术支持,为社会行为学的研究开辟新的途径。本文选择有代表意义的三个方面展开研究,分别是用户APP访问行为、用户社交APP访问行为以及用户上网产生的流量模型。APP的广泛使用是当前移动互联网最显著的特征,研究用户APP访问行为能够发现用户内容偏好、用户APP访问特征,以及移动互联网虚拟空间中人们的行为模式,结果可用于商业发展、社会管理。社交APP则是日常工作生活中用户最常用,也是用户最多的APP,同时它对传统电信业务冲击也最大,本文首次定量研究了社交APP对传统通话业务的影响模型,分类挖掘了不同用户群体的社交APP访问行为对通话业务的影响结果,为线上行为与线下行为的映射模型研究提供了参考。移动互联网的流量快速增长,如何分析用户流量特征并预测流量,是电信运营商极为关注的问题,反映了用户流量使用模式,本文从基站的角度研究了用户空间流量模型。本文主要研究工作如下:1.用户多种APP的访问行为。本文采用数据驱动的方法对用户多种APP访问行为进行分析,一方面揭示了用户访问内容偏好特征、基本组成模式,发现移动互联网虚拟空间的行为模式,另一方面能够帮助移动互联网企业和手机厂家提高经营效益。本文提出了基于上下文的用户APP访问模式发现方法,解决了大规模用户内容偏好特征提取的问题。该方法利用用户对多种APP访问的记录,用多态模型将用户APP访问的上下文动态过程构建为用户APP访问转移概率张量,对该张量进行高维特征提取,揭示了用户群体APP访问行为的典型特征,并将用户APP访问行为表达为典型特征组合,通过典型特征和权重近似用户APP访问行为。本文将该方法结合北京、浙江金华和广东江门数据,进行了多个维度的分析,揭示了不同城市、不同品牌、不同时间用户群体APP访问行为的特点。2.用户社交APP访问行为。社交APP是目前用户访问最多的APP,与新闻、电商等信息推荐型的APP不同,社交APP具备极强的交互功能,因此社会行为学领域一直对“社交APP的大量普及应用是否对传统通话业务存在影响?对不同群体的影响情况有何不同?”有较大争论,成为电信运营商亟需探究的问题。本文首次量化分析了社交APP对话音通话业务的影响模型,提出了基于倾向得分匹配法的用户社交软件与话音通话因果关系推理方法,将用户群体按照年龄和性别再进行细分,进一步研究了不同群体、不同社交软件对用户话音通话影响的差异。研究结果表明社交APP对话音通话的影响不是简单的负面影响,对于特定用户群体社交APP的使用反而会促进话音通话业务的使用,增加话音通话量。针对微信、QQ两种常用社交APP,本文采用基于倾向得分匹配法分析了对不同用户群体的影响结果。该研究为用户线上行为与线下行为及其关联关系的研究提供了借鉴,同时对于电信运营商优化业务套餐设计、挖掘用户潜力有积极意义。3.建立用户空间流量模型,将其应用于流量卸载策略。虽然网络通信设备在持续升级,但是网络容量增长依然滞后于用户对网络流量需求的增长,而且这种滞后趋势越来越严重,因此有必要分析流量在时间域和空间域的分布,发现用户流量特征,并制定相应流量卸载策略。本文提出了一种基于空间合作关系的基站流量预测模型,将用户流量转化为基站流量,利用基站空间流量合作关系,提高目标基站流量预测准确性,并用于流量卸载,在保障用户需求的同时,充分利用Wi Fi降低移动通信网络流量承载压力,最大化系统吞吐量。本文基于UDR数据从多个方面研究分析了用户行为,一方面提出了多种用户行为分析方法,发现了多个维度用户行为特征,有助于社会行为学的研究。另一方面挖掘了UDR数据潜在价值,为移动通信网络管理、互联网应用提供支持。