随着互联网技术的高速发展,面向互联网的应用产品不断丰富。面对众多产品,用户往往更加偏好那些功能明晰且符合用户使用习惯的产品。用户的访问特点具有非常重要的应用前景,如用户行为预测、个性化推荐等。因此,对用户行为数据进行挖掘找出用户的访问特点已经成为了学术界与工业界一个共同的研究热点。目前,已经出现了很多研究网络用户行为的方法。但是,大多研究文献的作者只是单独对用户的访问行为进行研究,少量涉及到访问内容的文献却只是针对某些特殊的领域,如电子邮件。因此,本研究将把用户访问行为和用户访问内容结合起来研究,以获得更为准确的用户访问特点。这里的访问内容是指用户访问的网页中的文本内容。在本文中,我们针对真实的网络用户,采集了大量的用户行为数据和网页内容。针对这些繁杂数据,本文提出了网络用户基于访问行为和内容的用户聚类算法。该算法中,首先利用向量空间模型的思想,得到基于访问内容的用户特征向量。然后,在提出用户访问兴趣度的前提下,把用户访问兴趣度和基于访问内容的特征向量结合起来获得基于访问行为和访问内容的综合特征向量。最后,在此基础上设计并实现了非正则谱聚类算法。由于特征向量具有较高的维度且存在大量数值为0的特征,本文还设计了一种高效的用户特征向量的存储和计算方法,降低了特征向量存储的空间复杂度。通过大量的实验,我们发现我们的基于用户访问行为和访问内容的方法比单独基于用户访问行为和单独基于用户访问内容的方法在发现用户的访问行为特点上有更好的效果。