随着微博用户规模的不断攀升,微博已经逐渐成为信息传播的重要载体。微博信息传播的主要方式是转发行为,预测用户的转发行为可以帮助理解微博的信息传播方式,并且对网络营销及舆情监测等领域的应用具有重要意义。现有的转发行为预测方法,大多从两种角度来考虑转发行为的影响因素:转发者和发布者。从转发者角度考虑的影响因素效果较好,但影响因素的准确提取仍有待提高;从发布者角度考虑的影响因素未体现转发者之间的个体差异性,直接用于特定用户的转发行为预测效果不够理想。为解决此问题,提出一种基于转发习惯的微博用户转发行为预测方法。首先,对影响因素进行改进,从转发行为习惯、转发对象习惯和转发内容习惯三个方面挖掘用户的转发习惯,更加准确地描述用户的转发特性。然后,利用机器学习的分类算法来实现微博转发行为预测,并通过实验验证了方法的有效性。论文的主要工作包括两个方面:(1)挖掘用户的转发习惯。首先,分析了转发行为的影响因素,并将他们划分为用户的行为特征、用户的社交倾向和用户的内容偏好三个方面。然后,提出了转发习惯的概念,并分别给出了转发行为习惯、转发对象习惯、转发内容习惯的挖掘方法。其中,转发行为习惯考虑了用户本身的转发行为偏好和在整个微博网络中的转发活跃度两个方面;转发对象习惯考虑了用户与其它用户之间的社交关系、粉丝数偏好和认证属性偏好三个方面;转发内容习惯考虑了用户的内容兴趣和内容属性偏好两个方面。(2)实现微博转发行为预测。首先,通过每条待预测信息(包括待预测微博及其发布者的信息)将对应的转发习惯进行量化,得到对应的预测分量。然后,利用得到的预测分量对机器学习的分类算法进行训练,从而实现微博转发行为预测。最后,采用从新浪微博爬取的真实数据集进行有效性验证。设置了两组对比实验:(1)分别验证了不同转发习惯对微博转发行为预测的贡献;(2)对比了本文提出的转发行为预测方法与当前最经典的方法。实验结果表明,在三种转发习惯中,转发内容习惯对预测准确性的贡献最高,同时考虑三种转发习惯的方法效果最佳,比经典方法提高约2.7%。