随着在线社交网络中的人数迅速增长,在社交网络中传播的消息越来越多,但是,目前关于社交网络中信息如何传播以及影响用户行为的相关研究是非常少的。在日常的生活和工作中,人们的思想和行为经常受到朋友和同事的影响,比如在生活中受到朋友的影响去观看一部电影,在学校里受到同学的影响去购买一本书籍。在传统的模型中,有很多都是从朋友的影响或者偏好的影响单方面进行预测用户的行为,并未考虑到用户同时会受到多个因素的影响,例如外部影响力。基于社交网络的用户行为预测问题,就是在社交网络的前提下,通过用户的历史行为记录进行分析,预测用户在未来是否会去做一件事情,比如用户的朋友推荐了一部电影,预测用户是否会受到朋友的影响去看该电影。本文主要的工作为在社交网络中对用户行为的影响因素进行分析以及对用户行为的预测建立模型。首先,本文针对在社交网络中用户行为的影响因素问题,为了揭示社交事件的发生机制。本文介绍了对用户行为有很大影响的三个因素:社会影响力、外部影响力以及用户偏好,并提出了采用泊松过程分别为这三个因素进行建模。基于上述的三个因素能够非常准确地解释每个事件产生的原因。其次,本文针对在社交网络中用户行为的预测问题,通过泊松过程将上述的三个因素生成的事件序列进行整合并建模,为了能使模型对用户行为的预测达到最优的效果,提出了一个算法进行对模型参数的估计,提出的模型不仅仅能够解释信息在社交网络中是如何传播的,而且能够解释一个特定事件为什么发生。