在大数据时代,数据挖掘技术在聚合信息客户端中的应用有利于提高聚合信息企业的运行效率。基于聚合信息企业的实际运营和用户数据,从用户登录行为和文章推荐数据库两个角度,利用机器学习算法,构建用户登录行为预测模型和优秀文章分类模型。研究发现,随机森林和Logistic回归模型在互联网大数据分析中的综合表现最好,在分类预测准确度和运行速度方面明显优于其他模型;用户对平台的使用频率和依赖度是决定其登录行为的最关键因素,且区域用户习惯和年龄显著影响用户的登录决策;文章基本信息和自媒体属性均对优秀文章筛选有显著影响,其中,文章等级、自媒体的产量和自媒体专注度等均与文章质量存在显著的负相关关系;发文类型、是否原创和自媒体领域等分类变量各水平之间都存在显著差异,且均会影响用户对文章的青睐程度。