移动互联网的飞速发展与4G时代的全面来临,催生了丰富的移动终端数据业务。用户开始越来越频繁地使用移动终端上网,留下了大量的个性化数据。这些数据描述了用户使用移动数据业务的业务类型、使用时间、使用频率等信息,全面而客观地展现了用户的服务偏好与行为规律。随着大数据技术的发展,企业开始重视用户的行为数据在业务与服务战略确定上的作用。通过对用户行为数据的分析,能够较为准确地对用户群体进行细分,从而便于企业针对不同类型的用户,开展针对性的服务与营销。本次研究提出了一种创新的用户分类模型,该模型将用户在移动端的行为数据划分为周期性的时间序列,并从时间与频率两个维度综合构建用户的概率密度函数模型,计算用户之间的相似度矩阵,利用多种分类方法对用户进行分类,最终得到不同类型用户使用移动终端业务的规律偏好。在对用户进行细分时,不但选取了层次聚类、k-medoid聚类、谱聚类等较为经典的聚类算法,还构建了基于图论的社团划分模型,将各个聚类模型分别作用于用户数据上得到聚类结果。在此基础上,又通过构建融合聚类模型,将上述各模型进行整合,提升聚类效果。最后,针对用户行为数据的分析结果,为企业的产品设计及策略研究提供了建设性的意见,对于企业移动数据业务的开展具有着十分重要的借鉴意义。