在社会计算的研究中,用户行为分析主要是针对被观察对象的历史行为并预测其未来行为,这项研究在社会计算应用中发挥了关键作用。微博中的转发行为是用户行为中一种出现频度很高的行为,也是微博平台上信息传播的最主要方式,因此研究微博用户的转发行为对理解重要信息的传播方式、热点事件的发现、个性化的信息推荐等都有着重要意义。本文以微博用户的转发行为作为研究对象,模拟用户转发微博时的阅读习惯,从微博、用户和用户与微博的关系三个角度分析了影响转发行为的因素,利用这些影响因素作为特征,建立分类模型,预测用户对哪些信息进行转发。我们进行特征组合实验验证各类影响因素对转发行为预测的作用,其中,用户历史发布的微博体现了用户的兴趣,对转发行为预测起到了关键的作用,本文利用用户历史与微博的关系提出了两种预测方法:基于词向量笛卡尔积的方法和基于主题模型的相似度计算方法。实验结果表明两种方法对于转发请问预测均起到一定效果。其中,笛卡尔积方法预测转发行为的F1值最高为71.33%。我们还尝试了在基于主题模型的特征表示法中融入情感特征,实验结果表明,该方法对转发行为预测也可以起到一定的作用,预测结果F1值为69.97%。本文进一步提出了转发情感预测的问题,并提出了一个初步的解决方法。我们对转发微博的情感极性进行自动标注,并利用用户转发情感和微博评论情感相对稳定的特点,预测用户在转发微博后,附加的评论内容的情感极性。实验结果表明,该方法对转发信息的情感预测取得了较好的效果,预测正确率为64.11%。