开展社交网络用户行为分析的研究,理解用户行为,实现对网络消息传播和扩散的有效管理,是当前社交网络消息管控的研究热点。微博用户行为分析是评估微博用户在接触网络热点事件后执行消息传播行为的可能性,对微博用户行为分析能够为微博舆情引导和微博谣言控制提供决策参考。主要研究成果有两点:论文提出基于衰减兴趣、延续习惯和交互影响三重驱动的行为动力学改进模型,能够弥补兴趣驱动模型中驱动要素单一的不足。改进方法采用统计分析微博用户行为的潜在规律,提炼出重点突出、可量化的内在驱动要素,依据前人的研究成果与统计分析结果对比论证。通过实验验证,改进分析模型能够分析微博用户的行为,且与实证分析结果吻合。在真实网络数据环境中对改进的行为动力学模型进行修正和评估,通过爬取微博用户数据,修正模型参数,分析用户行为,最终判定微博用户在接触热点事件后是否执行信息传播行为的正确率达0.9163,基于混淆矩阵分析行为动力学模型的检测结果,F值为85%、误检率为8.5%,实验结果表明改进模型在微博用户行为分析上取得良好的评估效果。论文对NodeRank算法进行了改进,弥补了NodeRank算法对社交网络节点重要性评估的缺陷。NodeRank算法在社交网络节点重要性评估中聚焦在社交网络节点出入度、边权值上而忽略社交网络节点所在网络结构上位置差异存在着缺陷,在改进NodeRank算法中引入社区因素对社交网络节点重要性评估。实验结果表明改进NodeRank算法在社交网络节点重要性评估上更加合理。论文的研究成果是依据社交网络微博上信息的产生、传播、扩散和消亡的生命全周期发展规律,在信息的传播阶段,对指定的微博用户进行信息传播行为分析,评估微博用户产生信息传播可能性,为后续研究提供参考。