李 曼

（商丘职业技术学院，河南 商丘 476000）

随着互联网技术和电子商务平台的快速发展，互联网用户的数量逐年增加，产生了海量的用户数据。然而由于这些数据量较大，且数据间通常不互通，对这类数据的分析难度较大。近年来，数据挖掘技术日益成熟，为这类数据的分析带来新的契机。冯凯媛等、刘文英等、胡航等、梁波基于朴素贝叶斯，对大量的互联网页数据进行了深度挖掘［1-4］，提高了数据分类的准确性，进而提高了数据分析质量。但由于该方法对输入模型的互联网数据表达形式较为敏感，无法确保稳定的分析结果。因此，为解决该问题，采用对输入模型数据不太敏感的k-means 算法对互联网用户数据进行挖掘，设计基于改进k-means 算法的互联网行为特征数据进分析系统。

1 互联网用户行为特征分析系统框架

从用户互联网历史数据中获取用户的兴趣偏好等信息构建分析系统，提高网络消费服务的质量。系统整体架构设计如图1 所示，包括数据源模块、数据处理模块、数据分析模块。数据源模块主要用于采集用户浏览记录等互联网历史信息；数据处理模块主要负责对采集的数据进行预处理，以提高数据质量，进而提高数据挖掘的有效性；数据分析模块主要负责对预处理后的数据进行分析，获取用户行为特征。其中，数据分析模块是本系统的核心模块，故研究重点对该模块进行设计与实现。

2 数据分析模块设计

2.1 k-means 算法

k-means算法是一种常用于数据分析的聚类算法，具有处理速度快、流程简单、收敛性好的特点［5］。……