以提供计算机等上网环境为代表的互联网上网服务行业,通过为民众提供公共上网的服务场所,在解决流动人口上网问题、丰富人民的娱乐休闲活动等方面发挥了积极作用,已经是现代社会的重要组成部分。但随着移动互联网的大范围普及,互联网上网服务行业受到不小的冲击,整个行业进入了转型升级阶段。目前,行业的整体经营模式仍是“粗放型”运营,企业不能了解其用户平台特征,不能利用数据驱动企业转型升级。而用户画像技术通过分析用户行为数据,构建相应的画像模型,能够挖掘出用户的典型特征。因此,构建出相应的用户画像系统可以给行业中的企业发展提供帮助。本文从互联网上网服务行业的当前困境出发,分析该行业的服务流程和业务需求,确定了从基本属性、消费属性和兴趣属性三个维度去刻画用户特征,借助于大数据技术构建基于用户行为数据的用户画像模型,在此基础上实现了一个面向互联网上网服务行业的用户画像系统。本文的主要工作如下:（1）本文针对互联网上网服务行业中用户增长率逐年降低的问题,提出了对活跃用户进行维护的运营策略,构建了用户流失预测模型。通过参照网站分析中用户回访率概念,明确了上网服务行业中的用户流失期限,对流失用户进行标识,并利用特征工程对数据进行处理,进而提出了一种基于Stacking集成策略的用户流失预测方法。实验结果表明,相对于单一分类算法,本文的算法的流失预测准确率得到提高,有较好的流失预测性能。（2）本文针对互联网上网服务行业中用户营销问题,提出了对用户价值进行细分,根据不同用户价值采取相应的运营策略,构建了基于RFM模型的用户价值模型。利用聚类算法进行数据分析,对用户群体进行划分。针对K-Means算法依赖于初始聚类中心选取的问题,对该算法进行改进,经过实验分析,改进的K-Means算法在迭代次数、准确度以及稳定性上有了较大提升,从而可以提升用户价值模型的性能。（3）本文针对互联网上网服务行业中用户体验问题,提出了基于用户兴趣提供个性化服务的运营策略,构建了用户兴趣模型。通过分析相应用户兴趣特点构建层级兴趣标签库,并在此基础上对用户使用软件以及访问网页行为进行兴趣建模。在网页内容提取关键词中,提出了一种基于TF-IDF的关键词提取方法,通过实验对比,本文改进的方法性能更好,可以更好的用于兴趣建模。（4）本文对整个用户画像系统进行了实现。该用户画像系统会对所需的用户画像数据进行采集与整理,并对数据进行分析处理,完成对行为数据的标签化,最后进行可视化展示。通过系统测试,验证了系统的可用性。