近几年,移动互联网的迅速发展成为全球信息通信领域最令人瞩目的现象之一,移动互联网用户也随之快速增长,同时推动了移动互联网领域持续不断的创新热潮。随着移动互联网的快速发展,移动互联网用户偏好更加多样化,用户的行为也呈现出新的特点,这也给电信业带来了巨大的机遇和发展。移动互联网用户始终是企业研究的核心和重点,也是今后移动互联网企业和电信运营商可持续发展和竞争的源泉。如何发掘和理解用户的行为偏好,为其提供个性化的服务是企业所关心和愿意投入资本研究的重要课题。随着计算机技术的快速发展以及其应用技术的逐渐成熟,一些学者开始采用先进的计算手段深入研究用户行为,在这些方法中支持向量机方法的应用最为普及,已经被应用到多个领域,并得到了这些领域的专家学者们的重视。支持向量机被广泛使用是因为该方法在解决高维及非线性模式识别中有其突出的优点。本论文把支持向量机理论引入移动互联网用户行为研究领域,有效解决了实证研究中的缺陷,为移动互联网用户行为研究指出了新的方法和思路,另外,支持向量机也开拓出了一片新的应用领域。本研究采用文献研究和实证研究相结合、定性研究和定量研究相结合、实证数据和仿真模拟相结合以及传统统计分析和现代数据挖掘相结合的方法,对影响移动互联网用户行为偏好的关键因素进行深入研究,并提出相应策略,用以指导企业相应的发展战略。本研究完成的创新成果如下：1.在对支持向量机的理论,离散选择模型等进行回顾和综述的基础上,详细讨论了移动互联网的发展和用户行为的研究情况,通过深入分析了统计学习理论和支持向量机的基本理论和特点,将支持向量机理论引入移动互联网用户行为研究领域,有效解决了实证研究中复杂的非线性及高维模式的问题,并且提高了学习机器的推广能力,突破了传统用户行为研究的方法和思路。2.以创新的视角020入手,以Online和Offline这两个角度分析移动互联网用户行为偏好,并且成功地将自然科学的研究方法、思路和理念引入的移动互联网用户行为偏好研究这一多学科交叉领域,首先以Online为视角,研究移动互联网用户手机线上的行为偏好,以手机新闻客户端为例,研究用户浏览模式,通过数据的分析我们发现移动互联网情况下的新闻资讯浏览的时间分布,呈明显的胖尾效应,碎片化阅读浏览成为移动互联网环境下用户浏览模式的主要特征之一。以Offline为视角研究用户行为偏好,首先对用户进行细分,通过用户自然属性,行为属性,感知属性的分析,选取要研究的主要变量指标,然后经过电话调查和运营商后台系统获得相应的数据,并做基本的统计分析,结合离散选择模型利用SAS工具建立二元logit模型,经过数据处理对选取的变量进行分析,找出了显著影响的因素,本研究给出了具体算法步骤和实证分析,提出相应策略,用以指导企业相应的发展战略,针对每一个环节均提出相应的数据挖掘和分类模型,构建了较为完备的移动互联网用户行为分析框架,为后续进一步深入研究奠定了基础。3.在离散选择模型得到的显著影响因素的基础上,用支持向量机对移动互联网用户行为偏好进行分类,并且充分考虑到移动互联网行为的碎片化在数据分析层面的表现是非线性化,移动互联网行为的复杂性在数据分析层面表现为高纬度交叉性,在此基础上充分发挥SVM方法在非线性及高维模式识别中表现出的许多特有优势。使用MATLAB软件进行分析,选用C-SVM二元分类机,以RBF做为核函数,并且用交叉验证的方法对模型和核函数的参数进行寻优,经过训练后获得的分类正确率令人满意,而且对比了不同核函数和参数的分类正确率,结果表明本研究的方法最佳,并且用SPSS MODELER软件分析了各个预测变量的重要性,本研究表明支持向量机的方法适合移动互联网用户行为的研究。最后通过六个显著维度表现水平的高低进行划分,将用户区分为四类群体,其中有注重效率的商务人士和白领,有对价格敏感度很高的农民工,服务业人员,有关注手机流量套餐是否够用的学生群体,还有对价格不敏感但追求用户体验的个体老板等,每一类群体都表现出其独特的偏好和行为模式,并且根据相关的用户偏好对移动互联网发展提出相应策略,用以指导企业相应的发展战略,对今后移动互联网用户行为的研究有着重要的指导意义。