随着通信网络的高速发展和智能移动终端的广泛普及,移动互联网也迅速发展,为人们的生活提供了诸多便利,同时也为运营商和相关企业带来新的挑战和机遇。一方面,越来越多的用户通过移动终端访问互联网,网络数据量及业务类型激增,用户需求被淹没在移动互联网的海量资源中,如何从中挖掘用户行为特征及个性化需求是运营商和企业亟待解决的问题。另一方面,运用DPI业务识别技术和数据挖掘技术,深入分析用户偏好,预测潜在换机用户,成为运营商和企业提高市场竞争力、促进业务增长的重要突破口。基于此,本文对移动互联网用户行为分析与换机预测技术进行研发。本文主要工作如下:1.在深入研究信令解析、网络爬虫、DPI、数据分析与挖掘技术的基础上,设计了移动互联网用户行为与换机预测系统。该系统结合了层次化与模块化的设计思路,能降低耦合并提高性能,有较高的实用价值和现实意义。2.利用多线程主题网络爬虫获取互联网资源,并存入数据库中。结合爬虫信息库、基础特征库和匹配规则库,应用DPI技术实现对用户使用业务具体内容进行识别,识别准确率达到90%。3.在用户行为分析过程中,利用变异系数计算指标权重,再通过加权多指标评估法客观评估用户行为,深度挖掘用户偏好。4.在换机预测模型研究中,通过Logistic回归、神经网络、CHAID算法的对比,选取逻辑回归算法实现换机预测的开发,并对换机预测结果进行了验证,发现换机预测可以为精准营销提供依据,提升企业效益。本文实现系统能对海量用户数据进行业务识别,分析用户偏好,并预测潜在换机用户,为运营商、互联网服务提供商与手机制造商个性化精准营销提供支撑。