随着网络技术和业务的发展,网络用户数量逐年增加,网络中蕴涵的大量的用户行为信息成为了相关人士关注的重要分析来源。在高校中通过数据挖掘手段对校园网的用户行为信息进行分析,可以克服高校中传统的管理模式不够精细和深入的弊端。传统校园用户行为分析系统中主要包含主题模型建立和关联模式挖掘两个部分,现有的主题模型提取出的用户主题词对于语义的表示能力较弱,且传统关联模式挖掘的可定制性不高,容易提取到较大众但无用的关联特征。本文在已有的校园用户行为分析系统中加入主题提取改进算法和关联模式挖掘改进算法,设计并实现了一套基于主题搜索的校园用户行为分析系统。具体研究内容如下:1.提出一种基于结构协同的向量化隐含狄利克雷分布的主题词提取算法。该方法使用结构得分作为基于文本排序的关键词提取算法中的边权重,在该算法的基础上加入算法提取的主题语义信息作为权重参数,使得提取出的关键词具有主题语义表示能力。2.提出基于改进的警示线索词频繁树的两极多支持度算法。该方法加入了事务项的负向关联以增加分析中的潜在项集,使用多重最小支持度提高关联模式的准确性,在基于频繁模式树的关联模式分析算法基础上加入预设警示线索词的筛选,使得系统可以将管理者预设的敏感信息识别并提取出来。3.设计并实现了一种基于主题搜索的用户行为分析系统。系统包括数据存储,数据处理,算法分析和UI展示四大模块,其中算法分析模块包含了主题提取和特征向量关联算法。算法分析的结果通过归类和处理后在UI展示层进行结果的展示。实验结果表明,该系统能够有效的提取用户访问记录中页面链接对应的主题,且能正确地与用户其他特征向量进行关联。算法分析的结果能在Web的UI界面中进行展示,为校园网的网络管理者提供重要的分析依据。