目前,Web信息的迅速增长使得原有不区分用户的网站服务越来越难以满足人们的需求,随着用户网络经验的增长,网站仅靠提供大量的信息已经不能完全吸引用户,用户需要质量更高、效果更好的服务,这些为网站的设计提出了更高的要求。本文的核心就是围绕着这一问题,针对Web用户访问行为进行分析和研究,发现其中隐藏的知识,建立用户模型,网站据此提供相应的服务,从而提升用户访问网站的满意程度。本文首先介绍了目前互联网领域中用户访问行为研究的重要意义和价值,并对当前国内外研究现状进行了分析,指出了其中存在的问题,如目前的用户兴趣提取过程中没有考虑Web环境对行为数据建模的影响。针对这一问题,提出了相应的解决方案：基于用户访问上下文环境信息确定行为参数,构建兴趣发现模型。另外,文中还介绍了研究中应用到的相关理论知识,主要包括数据挖掘知识、Web挖掘知识和上下文感知理论。其次,在上下文感知理论的基础上,本文提出了用户访问互联网过程中的Web上下文概念,并分别对用户上下文、网络资源上下文和设备上下文进行了定义。同时分析了三种上下文信息对用户访问行为的影响情况,最终确定网络资源上下文信息对用户访问行为的影响最大。另外,本文还对Web上下文感知的概念进行了阐述,并沿用前人理论,分析了针对Web上下文信息,如何进行推理计算。综合以上Web上下文的分析结论,本文提出了基于上下文感知的用户行为分析方法,侧重于根据不同的上下文信息对用户操作行为数据进行兴趣建模。与现有技术相比,本文针对不同用户所处的Web上下文信息,采用不同的浏览行为分析模型。考虑因素更全面,模型计算结果更准确。最后,本文构建了一种基于上下文感知的用户访问行为分析系统,系统从功能上划分,主要包含五个逻辑处理模块,分别是用户识别模块、Web上下文信息预处理模块、信息分享模块、行为参数模型建立模块和兴趣确定模块。文中通过一个博客类网站的应用实例对该系统进行验证,证明系统在度量用户兴趣方面的可行性和有效性。并且对系统的应用情况进行了介绍说明。