用户在网络中的点击和跳转可以看作是在虚拟空间中的移动,该行为往往受到兴趣的驱使,尽管人们在人类时空行为动力学的研究中取得了诸多突破性进展,但是对于虚拟空间中人类兴趣的动态演变却知之甚少,部分原因来自人类兴趣具有抽象内隐性,难以从观察中获得内心所想,难以获得足够的展现人类兴趣的行为数据。本文基于中国互联网信息中心提供的海量在线用户行为数据,将在线用户点击的每个网站当作是一个兴趣点,研究了虚拟空间中用户的兴趣演化模式。主要研究工作总结为以下三个方面:1、针对在线用户兴趣难以量化的问题,本文提出了兴趣粘性度量算法。从连续移动步长,返回步长,停驻时间等多个方面对在线用户兴趣行为进行实证分析,揭示出人类在线行为存在幂律的无标度特征。基于分析结果,提出了衡量兴趣点对用户吸引程度的兴趣粘性度量算法,通过与PageRank算法、注意力流模型实验对比,验证变量和算法的有效性。2、为了度量网络空间中兴趣点的相似性,研究兴趣点之间的跳转规律,本文提出了基于空间位置的兴趣点相似性算法。优化SPA模型,由节点的入度推导出节点产生时间和影响范围半径两个变量,引入兴趣粘性这一行为变量,使网络中的兴趣节点可以由这三个变量表示,采用空间范数计算点击流网络中兴趣节点对之间的距离。实验结果表明:高入度节点更具有吸引力;兴趣节点对之间的距离越小,说明兴趣节点越相似。3、构建在线用户兴趣的流动性演化模型。该模型由探索和优先返回两个互为补充的行为变量结合构成,这两种重要的行为机制推动在线用户发生兴趣转移。实验结果表明:随着兴趣访问数量的增加,在线用户探索新兴趣的可能性呈指数级下降,并且用户对先前访问频率高的兴趣表现出更强的返回偏好。