签到日志记录了用户对于某类设施的使用情况,从中发现用户行为模式在很多领域,如精确广告投放、犯罪团伙发现等方面都具有非常广泛的应用价值。但发现过程却较为困难,主要因为:1)日志数据体现为长时间序列且含有噪声,导致数据在高维空间分布较为稀疏,包含很多冗余信息,影响模式提取的准确性,2)行为模式往往与不同的时间尺度相关,且这些行为模式往往相互交叉,3)传统的机器学习方法依赖于多样的参数选择空间以及数据处理方式,而这些往往取决于用户的先验经验,因此很难获得可信且易于理解的行为分析结果。本文提出了一种面向签到日志的用户行为模式交互探索的方法。该方法采用动态子空间策略,动态改变用于分析相似行为模式的时间片,从而降低了数据的高维稀疏性并且减少人为设定参数对于分析结果的影响。该方法还将用户的行为模式分为不同的时间尺度,使用同一个框架逐一分析,从而将交叉在一起的行为模式分离。方法还集成了一个可视分析工具以支持探索过程。利用该工具,分析人员可以实时了解方法每一步发现的行为模式,及时调整分析过程、直观理解和验证分析结论。本文包含了一个基于真实数据集的案例分析和一个来自不同领域专家的评审,其结果验证了方法的有效性。