【摘要】聚类统计分析在大数据理论研究和实践应用方面具有重要地位,是学习分析技术的重要组成部分。文章首先在数据初始化和规范化的基础上定位分类条件,实现学习行为的分化和集成,形成多个待聚类的数据子集;然后,根据学习交互活动之间的拓扑关联性和依赖性,设计随机游走模型与BIRCH算法融合的聚类统计方法,实现关键学习交互活动的检索评估和数据聚类;最后,对算法执行的多个性能指标进行计算和对比。实验结果表明,改进后的算法在学习交互活动聚类方面具有明显优势,聚类统计过程和分析结果具有可行性和可靠性。