在线社交平台聚集着大量的网络用户,并不断的渗透到日常生活中。互联网的高速发展,引发了众多学者对社交行为的关注,并且已经扩展到各个平台。在线社交网络即人们通过好友等形式在网络上建立社会关系,并且通过节点和节点之间的边连接一种社会结构图。社会网络分析法就是对社会网络的关系结构或者属性进行分析,行动者可以是人、社区或者群体等,他们之间的关系能够反映出一定的现象或者数据。社交网络分析已经成为一种非常重要的研究方法,涉及到的学科和领域非常的广泛,例如:数据挖掘、数据可视化、统计分析、信息传播等。本文选取了两大最具代表性的在线社交网络平台——新浪和QQ,借助于这两大平台进行网络结构性质分析和用户行为研究,最后根据实际获取的数据讨论在线社交网络的结构与行为变化的相互作用和影响。本文第一章为绪论,介绍了研究课题的背景、意义以及在线社交网络国内外的研究现状。第二章分析了社交网络的基本理论,主要包括社交网络的基本的理论和定义,网络结构的特点以及用户行为的分析等,为后面的介绍打下坚实的理论基础。第三章至第五章是本文的核心内容。第三章分析社交网络的整体结构性质和用户行为,通过获取的新浪微博和QQ社交网络的数据,以用户之间的关注关系通过Pajek软件构建网络,挖掘网络中的整体结构性质和行为特点,并得到有效的行为规律,为第五章分析提供基础数据。第四章针对节点中心性排序算法的不足,从网络结构的角度提出新的节点中心性算法,并结合各个指标验证算法的准确性和有效性。在节点中心性算法基础上提出边中心性排序算法,对于网络中的边进行排序,并验证算法的正确性。第五章分析网络中结构指标和行为指标的相互关系,运用线性的方法在MATLAB进行拟合,得出网络度在一定程度上决定用户行为的重要结论。第六章是对文章的总结和展望,对整个文章的内容进行了梳理,同时给出了文章中存在的不足以及进一步需要深入解决的问题。本文利用数据可视化方法将网络数据以图形的方式展现,并建立相关模型定量描述用户行为,采用SPSS、Excel等数据统计工具,对搜集的数据进行整理分析,从多个角度探索各个变量之间的内在规律,最后利用假设检验的方法探索各个变量之间的关系。本文共有以下几个创新点:一是提出了基于网络结构的节点中心性算法和边中心性算法,并验证算法的准确性和有效性;二是获取微博的用户行为指标并进行量化,基于数据统计的方法进行行为指标分析;三是利用假设检验的方法探索各个指标之间的相互关系,并得出有效的结论。