移动互联网技术的成熟及智能终端的广泛应用,驱动着人们进入个人互联网时代。个人互联网时代的出现源于社交媒体的兴起,耳熟能详的社交媒体平台有Twitter,Facebook,微博,微信等。随着微博用户规模的不断扩增,微博数据更新速度加快,其作为传播信息的重要载体之一,已经成为社会舆论事件发酵的一个渠道。目前,国内外学者关于用户转发行为的研究分别从内容特征、用户、网络拓扑结构及网络特性三个方面分析并预测用户转发行为。现有研究中,一方面缺乏对于微博平台这个传播载体的分析;另一方面,缺乏对用户情感偏好的研究。因此,本研究针对以上问题,通过对微博用户行为以及微博信息传播机制进行分析后,基于计划行为理论从三个不同方面来建立微博用户转发行为影响因素模型,并据此提出本研究的一系列研究假设。首先,根据研究需要设计一定的数据采集方案完成所需数据集的获取。其次,在对文本信息进行预处理的基础上,用户兴趣和待预测微博的主题分布采用LDA主题模型来获取,并进一步计算两者之间的语义相似度,以此表征用户兴趣与微博内容的接近程度;基于情感词典分别计算得到用户及微博的情感值,利用两者之间的距离来衡量情感相似度的大小;根据微博用户登录时间,被关注用户量以及微博用户浏览微博时长来判断用户是否可以及时浏览到上级用户发布的微博消息。通过计算得到影响因素模型中各个因素的具体值,将数据导入SPSS中,基于二元逻辑回归模型对前文提出的假设进行验证及分析。最后,通过对常用分类算法的分类效果对比后发现逻辑回归的灵敏度最高,因此将逻辑回归作为基础方法,通过训练集数据得到预测模型的各项参数并完成用户转发行为预测。通过研究结果可知,微博用户转发行为的影响因素包括转发活跃度、用户兴趣与微博文本语义相似度、与上游用户交互度、粉丝量、用户情感与微博情感相似度。根据以上得到的影响因素建立微博用户转发行为预测模型,模型对于转发行为的预测准确率达到82.65%。模型的AUC值为0.84,说明模型具有良好的预测性能。