近年来社交网络服务发展蓬勃,在全球拥有大量用户,社交网站已成为影响力巨大的信息平台。掌握社交网络中用户的行为、情感以及传播规律,不仅能够帮助企业根据用户行为特征提供更好的服务和产品、进行更有效的网络营销和推广,而且也为有关部门对网络舆论进行合理的监控和干预提供了理论依据。本文以新浪微博为对象,围绕社交网络中的用户交互行为,感知用户的情感,研究情感传播机制,并结合情感的变化预测用户的行为,提出了基于动态因子图模型moodcast的情感预测模型和广告点击率预测模型。首先,在本文中我们探讨了通过自然语言处理和语义分析的方法,将用户在社交网络上发表的言论进行分析,挖掘出用户的兴趣和情感偏向,这一方法虽然沿用了以往对文本分析的方法,但在此处我们将其引用到社交网络上又有了他的特殊性,在社交网络上我们分析的都是短文本,具体的分词聚类的做法又有别于以往。其次,以往研究用户的情感没有考虑到用户情感受别人的影响,也就是我们这里所说的情感的传播问题,在本文中我们将用户情感的传播问题引进到了社交网络中,通过学习动态因子图模型moodcast,提出了社交网络上用户情感受朋友影响后的预测模型。我们在这里主要针对两个属性进行分析：第一,时间相关性：一个人在当前时间的的情感状态和她最近的过去的情感状态高度相关；第二,社会相关性：一个人的情感和她的朋友的情感状态相关。朋友的影响是呈指数衰减的,影响力在三度之内。本文中我们对此模型进行了仿真实验,验证了用户的情感确实受到了朋友的影响,并且在参数不同的情况下,影响的程度也呈现出较大的差别。最后,我们基于对用户情感的预测,以及对用户兴趣的挖掘,结合贝叶斯理论,提出了用户对于广告点击行为的预测模型。由于广告本身就是由短文本组成,在这里我们将广告中的关键词以概率的方法进行了重要性的排序,并通过贝叶斯由点击广告的后验概率来分析点击原因的前验概率,由于情绪对点击率的影响不在个别因素,而是整体性影响,这种影响会贯穿不同点击率变化的过程,因此采取指数形式进入模型。文中对此预测模型也进行了仿真实验的验证,得出的结论是,用户的情感会影响到用户的行为。