在线用户的识别在商业、公共安全等领域都具有重要的应用价值。本文面向用户的网络浏览日志信息,融合用户行为的注意力特征和时频特征,探讨在线用户的识别方法。具体研究内容包括:(1)Web用户浏览行为的注意力特征提取。将用户的网络浏览行为看作是对所需资源的关注,提出了基于Web浏览行为数据的注意力表征模型。与当前的方法相比,基于该模型从用户网络浏览日志中提取出的注意力的强度、稳定性、广度、分配性等特征,为用户行为模式的识别提供了新的视角。(2)Web用户浏览行为的时频特征提取。将Web用户访问网络的行为数据抽象为非平稳随机信号,基于小波分析,提出了Web用户浏览行为的注意力信号模式,并利用多尺度空间能量分布的方法提取Web用户行为特征。实验表明,该方法能够感知用户行为的随机性、周期性以及趋势性。(3)Web用户在线行为模式识别。结合Web用户浏览行为的注意力特征和时频特征,提出用户行为模式的匹配算法,可支持在线用户的识别。基于某职业技术学院的学生网络访问日志,对所提出的方法进行了验证。实验表明,融合注意力特征和时频特征的Web用户识别方法,比单纯采用注意力特征或者时频特征对用户进行识别的准确率有了很大的提高。