随着计算机技术的飞速发展和互联网的普及,人类所处的信息时代正发生日新月异的变化,其中主要原因是因为人类自身行为的复杂化及对于信息服务的更高的要求与期待。人类复杂的网络行为产生了更多的不规则的数据,同时却希望得到更加个性化的信息服务,从技术以及商业的角度而言,这是一种矛盾。全面理解用户的行为,判断用户的兴趣度与兴趣点,构建精准的用户全局兴趣模型(UGIM)是解决这一矛盾的最有效方法。无论是学术界还是商业运用,UGIM的研究从来都是一个热点;只有构建了科学合理的UGIM,准确体现和表达出用户的兴趣点,才能以此为基础为用户提供有针对性的个性化的服务,同时为运营商家的决策提供更加科学的依据,把更多的资源提供给更有价值的客户,从而解决个性化的需求与复杂的数据、高昂的成本之间的矛盾,达到信息的提供者与使用者双赢的目的。本文基于上述背景,以大学研究生教育创新基金项目课题为支撑,将理论演绎与实际运用相结合,以在线学习平台为原型系统,以机器学习和分类模型为研究范式,对以下内展开研究:1.总结概述了网络环境下用户行为的相关理论。综述了传统的用户行为定义及分类,归纳总结了用户行为的收集与分析方法。指出了传统数据收集与整理的不足,并着重介绍了最新的、基于网络开放平台的数据的收集与使用。2.对“用户全局兴趣模型(UGIM)”相关理论进行系统的描述与分析,综述了其内涵、分类、定义、表示方法等相关研究的成果,并重点介绍了基于本体论的表示方法及聚类算法,奠定了本文的原型系统模型构建的理论依据。3.实例演示用户行为数据的收集与整理,基于本体论表示方法的UGIM构建过程,结合实际的业务思考,分别从用户的兴趣度、用户兴趣点以及用户的潜在消费能力与意愿三个方面构建了三类实用的UGIM,每一类UGIM都以本体论的方式加以表示,其计算过程遵循k-nn聚类思想。实验结果表明,UGIM的查全率与准确率都达到了理想的效果,并且此思路流程较为清晰,考虑的用户行为指标较为全面,切实以实际运用为指导思想进行研究的,故研究UGIM的运用也很有必要。4.UGIM的运用研究,主要对UGIM在电子商务系统中的运用进行了研究,一方面通过其运用使系统能较为准确的预测到用户的所感兴趣的内容及程度,可以进行智能推荐;另一方面也可以从信息提供的角度把有效的资源针对性的提供给更有价值的客户。