随着社交网络的快速发展,各种社交网站和应用软件大量涌现并得到广泛应用,例如Facebook,You Tube,微信(Whats App),这使得人们可以随时随地与全球各地的用户进行信息分享与交流。这些社交平台作为当今最主流的通信媒介吸引了海量用户,这意味着在社交网络中包含着大量相互作用的对象。然而在现实中社交网络通常是动态的,其中的对象和链接会随着时间发生剧烈变化。近年来人们对动态社交网络有着一定深入的研究,例如社区发现,影响力最大,链路预测等。通常在社交网络中存在大量社区,这些社区可以看成是一组有着相似兴趣、话题和需求的用户集合。然而随着时间推移会出现用户离开和流失的情况。如果用户只是短暂地离开或者只是少量的用户离开,那不会对平台的使用和正常发展产生很大影响。但是一旦一个平台出现用户流失,即大量用户离开,那将严重影响平台的使用和发展。为了提前察觉这种情况和维持社交网络的正常,对节点的离开进行预测变得极为重要。为了能够准确预测用户的离开和维持社交网络的正常运作,本文主要提出了一个针对群组的用户离开行为预测算法。该算法考虑了用户在群组内受到群组活跃度的正面和该组内不活跃朋友的负面影响。综合这些信息预测用户是否要离开。本文还提出了在社交网络上用户离开行为预测算法。该算法引入了收益的概念,并提出全局收益和局部收益来计算整个网络和邻居的影响。为了准确地预测,本文设计了基于时间的滑动窗口模型。通过窗口滑动的形式获取数据和进行准确度对比。最后,本文提出的实验在几个真实的数据集上得到了验证。