随着移动互联网的流行和在线支付技术的日益成熟,在线知识付费模式获得了广泛的认可和关注。这种模式对于提高知识社区的变现能力,促进社区的商业发展带来了更多的机会。即便如此,付费用户的比例仍然处于较低的水平,如果更有效地识别潜在的知识付费用户对于在线知识社区的可持续发展具有关键的意义。目前大多数的检验影响知识付费行为的研究都基于产品本身的影响因素,如价格,质量等,而忽略了网络社群对用户知识付费行为的影响,此外,这些研究都是基于小量级的用户数据,缺乏普遍性的验证。已有研究证明用户在社交网络平台上的社群行为是用户付费行为的重要识别因素,但是从更深入的角度去探讨网络社群行为是如何影响用户付费行为的研究是缺乏的。因此,本文从网络社群视角出发,探索了社群信任、社群交互和社群认可如何影响用户的知识付费行为,以及这些维度所包含的特征在知识付费用户的识别中发挥的作用。本文基于消费者决策理论和网络社群理论,从社群信任、社群交互和社群认可三个维度构建了识别社会化问答社区知识付费用户的理论模型。并且以中国最大的在线知识社区知乎（www.zhihu.com）作为研究的特定背景,爬取了400万用户行为数据作为依托。首先,本文基于随机森林算法计算了不同类型和不同程度的交互行为对用户知识付费行为的影响,然后,基于逻辑回归算法对各个特征变量对知识付费行为的影响进行了解释,最后,为了平衡随机森林算法和逻辑回归算法的高性能和可解释性,利用基于特征的逻辑回归算法对数据集进行了预测。在模型训练和分析过程中,本文使用交叉检验方法和网格搜索算法对模型进行了优化,并通过各种指标对三个模型进行了可视化的评估。研究结果发现,社群交互和社群认可在知识付费用户的识别中体现出了更加显著的作用。特征变量的大小和特征在预测过程中的重要性并不是简单的单调递增或者单调递减的关系。在识别不同的类别时,特征的重要性也具备一定的差异。总体而言,用户的主动社群交互行为在潜在知识付费用户的识别中发挥了最为巨大的作用。此外,基于特征选择的逻辑回归算法的性能和随机森林算法分类器的性能非常地接近,AUC值达到了0.77。