社会心态是一段时间内弥散在整个社会或社会群体中的宏观社会心境状态，是整个社会的情绪基调、社会共识和社会价值取向的总和。当前对心态感知方法，以主观自评的问卷调查方法为主。问卷调查的方法历史悠久，可以准确获知被试者的心理要素。然而该方法受社会赞许性、测评周期长、成本高等因素影响，无法及时大规模获取用户的相关心理要素。　　既然个人心态主导个人行为，反过来也就是说，可通过观测个人行为，对其个人心态进行预测。近些年，我国互联网信息事业得到了迅猛发展，以社会媒体为主的网络社会已成为现实社会的投影，可以满足人们日常生活各方面的需求。在当前的大数据时代下，社会媒体中的网络行为，作为一个极具代表性的个人行为，越发引起学者的关注。社会媒体中的大数据，使得社会心态的感知在客观性、覆盖范围、计算周期和成本投入等方面，弥补了传统研究方法的局限，使通过网络行为分析对用户心态要素的实时可靠预测成为可能。　　基于以上，本论文从用户网络行为分析入手，尝试预测主导行为的心理动因，即心态。通过社会媒体的跨平台分析，大规模获取用户社会媒体的网上行为痕迹数据，提取了用户网上行为、文本内容和文本情感三方面的多模态特征，建立了用户大五人格特质、心理健康状态以及社会态度等多维度心态特征的预测模型。研究表明，模型的正确率超过80％，且达到了心理学意义的中等相关。本论文的主要研究内容和贡献包括:　　1)提出了基于情感词典和修正朴素贝叶斯方法的读者情感分类方法，在中文新闻语料库上的实验表明，该方法可对文本的情感进行准确分类。　　2)提出了基于社交网络的社会心态人格感知方法，通过社交网络中用户行为数据，获取了可用于用户人格预测的特征，实验结果表明该方法可对用户人格进行预测。　　3)提出了基于微博媒体的社会心态感知方法，通过将多任务学习方法与增量拟合方法的融合，提高了从微博数据到社会心态预测的相关性和精度。研究成果应用于北京地区，针对北京公交地铁调价的群体性事件前后，对公众的社会态度进行计算。结果表明群体性事件对公众社会态度具有影响，本研究的模型可对群体性事件前后的社会心态进行及时计算感知。