随着信息技术飞速发展，信息已渗透到人们工作生活的各个方面，随之而来的就是信息爆炸时代带来的海量数据。数据正在迅速膨胀，它决定着企业的未来发展，随着时间的推移，人们将越来越多地意识到数据对企业发展的重要性。大数据带来的巨大价值正逐渐被人们认可，它通过技术的创新与发展，以及数据的全面感知、收集、分析、共享，为人们提供了一种全新的看待世界的方法。因而怎样利用源源不断的数据，整合探究发现其背后的规律，成为了一个重要课题。网络运营商在为用户提供互联网访问服务时，往往会存储用户的访问日志数据。通过这些数据，运营商可以获取用户的行为习惯特点，针对不同的用户采取不同的营销手段，从而促进企业发展。因而本文以某运营商的互联网访问日志数据为基础，通过对其进行分类分析挖掘，从中得到用户的特征属性，根据特征属性对用户进行高低消费倾向分类。本文的工作成果主要有如下几个方面：（1）给出了面向大数据的网络用户行为分析系统设计方案。在该系统中，主要由Web日志预处理、用户特征属性提取以及用户行为分类三个模块组成。本文详细介绍了各个模块的设计过程。（2）提出了基于MapReduce的特征属性提取方法，根据用户访问商品情况，提取商品类别、访问频率、访问时间、地理位置及访问历史等作为用户行为特征属性，并介绍了该方法的并行化设计。（3）提出了基于特征加权的朴素贝叶斯分类器，根据上文提取的用户特征属性，利用特征加权的分类器，实现对用户行为的分类，并在MapReduce下设计实现了该分类器。（4）在Hadoop平台环境下对网络用户行为分析系统进行了实现，根据该系统，可以针对Web日志中的电商用户浏览网页情况，对用户进行高消费倾向和低消费倾向的分类预测。