随着web2.0的发展,微博、博客等社交媒体不断涌现并日益成熟。这些社交媒体的出现为人们进行资源共享、信息交互提供了可能,使得互联网上保存了海量的用户行为数据,这些数据中蕴藏着丰富的价值,如何从海量的数据中挖掘有用的信息成为当前研究的热点。其中,基于社交网络数据分析用户行为特征,有助于掌握大众的行为特性分布,为研究信息传播、话题演化以及舆情管控等提供了依据。本论文主要从用户个体行为和用户群体行为两方面出发,对热点话题传播以及热点话题热度进行了建模、分析和研究。主要研究工作和贡献如下:1.在用户个体行为及信息传播规律方面,基于社交网络中热点话题的用户关系数据以及用户行为数据,提取影响用户行为的特征,构建基于用户转发行为的信息传播预测模型,分析信息传播的规律。首先,应用张量分解在数据空间转换和数据投影的特性,提出一种基于张量挖掘用户交互强度的机制,分析好友关系对用户间交互强度的影响。其次,构建张量时引入时间衰减函数,动态拟合用户的行为,进一步量化用户自身行为在当前热点话题下的演化轨迹。最后,对话题的生命周期进行时间切片和时间离散化,提出一种基于逻辑回归的信息传播预测模型,分析热点话题下信息传播的规律。2.在用户群体行为及信息传播态势方面,利用社交网络中热点话题传播用户和传播网络结构,构建热点话题下的热度预测模型,预测不同阶段话题的热度,把控热点话题的演变趋势。首先,将话题数据进行序列化处理,形成话题序列。然后,利用灰色系统理论可以基于部分已知的信息挖掘蕴含在观测数据中的有价值信息的优势,构建热点话题灰色预测模型,预测热点话题的热度,实现对热点话题传播态势的正确描述和有效监控。最后,本论文利用腾讯微博的数据集,进行实验验证。实验表明,本论文所提的模型和算法有效结合了网络拓扑结构和用户行为特征,可以直观地分析影响用户行为的特征,解释信息传播的内部和外部动力学成因,探知人类行为的特征和规律。