在线社交网络是由多社交主体互动构成的社会关系结构,其作为人类自发形成的社会结构,蕴含着丰富的人类行为模式、规则、机制,以社交网络角度去深入分析结构性质,探究背后的机理,可以加强对人类行为的认知与理解,能够促进潜在商业价值的挖掘,因此这方面的研究有着巨大的理论与实践意义。本文基于复杂网络理论方法,研究了在线社交网络结构的演化及预测机制。文章主要包含两方面内容,分别是针对QQ群网络上群结构的性质特点和演化机制的研究,以及以微博用户关注网络数据为基础,分析并设计用户关注行为的预测算法。其中,针对QQ群社交网络的研究,一定程度上填补了当前社交网络研究存在的一大缺失。由于缺乏有效可信的群组社交关系数据,目前关于在线社交网络的研究主要集中在个体社交关系上,而较少涉足于群组层面的群体行为,使得我们对于社会群组的加群行为机制知之甚少。本文通过分析QQ群结构特性,发现两种不同的群生长规则,并进一步基于实证发现,提出基于渗流理论的兴趣扩散模型来解释群组演化机制。实验结果显示所提出的加群机制能够有效解释群组生长规律。此外对微博用户关注网络上关注行为的链路预测算法研究则进一步弥补了复杂网络现有链路预测算法的不足。类似微博这样的社交网络上用户的关注行为主要是由兴趣驱动,并且用户所发表的微博文本内容可以显性得体现出个人的兴趣偏好。针对传统复杂网络链路预测算法不能有效利用文本信息的不足,本文在对用户兴趣及信息传播特点的实证研究基础上,提出一种新的局域计算链路预测指标。在twitter及新浪微博数据上的实验结果显示,该指标在AUC、准确度及召回率等方面的表现远远优于传统的链路预测算法。