随着互联网Web2.0概念和技术的快速发展,以Facebook、Twitter、新浪微博为代表的社交网络应运而生,由于社交网络与现实社会之间紧密的联系,使得社交网络为大众的日常社交生活、分享信息和交流意见等社交行为提供了重要的媒体平台,从而极大地改变了大众的生活方式。近年来处于移动互联网的时代,社交网络用户可以通过手机和浏览器随时随地发布信息、转发信息、评论信息,及时了解动态、沟通情感,因此网络信息一经发布即被社交网络推送到所有关注者,通过关注者的转发传播扩散,最终呈现“核裂变”式的几何级数扩散态势;期间再通过意见领袖对网络信息的发酵、传播、爆炒等行为,使得该信息对现实社会产生巨大的影响,特别是谣言、诈骗等不良信息会直接影响到国家的安全和社会的稳定。因此对社交网络用户的影响力与转发行为进行研究,不仅对提供服务的社交网络平台的企业具有长远的发展意义,而且对整个国家的稳定发展也有非凡的价值。基于上述研究背景和意义,本文的主要工作包括:(1)社交网络用户影响力分析与评估方面:首先从定性的角度分析社交网络用户影响力的相关特性,并且从定量的角度分析传统的社交网络用户影响力度量方法;接着介绍一种基于PageRank算法思想的社交网络用户影响力算法;最后根据真实的社交网络数据,通过实验分析验证本文提出的社交网络用户影响力算法的有效性;(2)社交网络用户转发行为分析与预测方面:首先阐述说明影响社交网络用户转发行为的主要因素;其次介绍衡量社交网络用户之间亲密度的算法和分析社交网络用户对网络信息的个性化兴趣并提取相关特征;然后提出一种基于神经网络模型和梯度下降优化算法的社交网络转发行为预测模型;最后,根据社交网络用户经常遇到的实际案例对该预测模型进行验证和评估;(3)社交网络用户影响力与转发行为分析系统方面:结合上述研究成果,本文设计并实现社交网络用户影响力与转发行为分析系统,对系统的总体架构设计、数据库设计和核心模块实现进行了详细介绍。最后,该系统能够有效地分析社交网络用户的社交影响力和对社交网络用户转发行为预测结果进行评估。本文结合了社会学、数据挖掘、复杂网络理论等交叉学科的研究思想和研究方法,对社交网络用户的影响力和转发行为预测等问题进行了研究。本文的研究对于个性化推荐、广告精准投放、病毒式营销等多个领域都具有十分重要的参考价值与借鉴意义。