对用户进行准确分类对提高客户定制服务的质量具有重要作用,但用户出于隐私保护的考虑,经常不配合网络服务商,拒绝提供个人信息,如地理位置信息、兴趣爱好等。为解决这一问题,本文做了以下工作:首先,在保护用户隐私的前提下,本文对无线上网的用户信息进行预处理,并对用户的HTTP信息进行分析,提取用户IMEI、Userid和Appid信息,建立用户设备指纹集来确定用户所使用过的IP地址。然后,通过以IP地址为单位提取网络层统计特征和以用户为单位分析用户应用层流量信息,并利用随机森林算法通过对网络层统计信息的学习,以较高的概率预测出用户的地理位置类型(公寓、校园等)。同时通过K-means算法利用用户的应用层URL关键字分类信息将用户聚类为8种类型。并利用这8种用户类型中每种URL关键字类别所占百分比范围对用户类型进行校验,最终确定用户所属的用户类型。最后,本文分析地理位置类型和用户类型对用户兴趣爱好判断的优缺点,通过对用户偏好在共同性和差异性两方面的分析,总结地理位置类型与用户类型对用户偏好的影响度,以提高对用户偏好预测的准确性。实验表明,此方案可以自适应的划分用户类型和地理位置类型,通过关联用户类型和地理位置类型提高了用户行为分析的准确性。