数十亿用户通过在社交网络服务上发布照片和文本来分享他们的想法。他们对各种主题感兴趣,通常有不同的情感倾向和发布活动。本文提出一种全新的方法来表征社交网络用户的发布行为,从而将用户的发布行为表示为发布模式的概率分布,而不是单一的类别。作为发布模式分布的应用,将发布模式的分布用于用户兴趣预测。本研究基于Facebook和Twitter,两个受欢迎的社交媒体网站,并构建了Facebook用户和Twitter用户的数据集。本文提出了两个模型:发布模式模型用于表征社交网络用户的发布活动,兴趣预测模型用于社交网络预测用户的兴趣。发布模式模型通过将每个帖子的三个分数(极性,主观性和单词数)编码为一个元组,并构建基于帖子离散元组的LDA模型来发现用户发帖的典型模式模型,将用户的发贴行为表示为发布模式的概率分布。兴趣预测模块通过整合用户的发布模式分布、用户个人资料和帖子特征,并与从用户的喜欢页面中提取的语义特征相结合,构建兴趣预测模型,从而验证发布模式是否提高用户兴趣预测的准确性。兴趣预测实验结果显示,将包含用户发布模式分布的用户行为特征和语言特征结合比仅使用语言特征时模型的性能更好。这表明尽管用户行为特征独立于兴趣或主题的语义,但可以有效提高用户兴趣预测的准确性,且使用从用户的发布行为中提取出的用户行为特征可以提高预测的准确性。本文提出的方法可有效分析用户的发布行为的潜在类型,并有助于用户兴趣预测,可应用于用户分析,兴趣预测和个性化推荐系统等领域。