用户以社会化媒体(Web2.0的媒体)的方式获取更加多样化的信息,作为信息的主要发布者用户,通过发布感兴趣的某些方面的信息给用户建立社会联系,在直接交互的用户之间建立自己的社交网络,即在线社会网络。通过研究在线社会网络下用户行为的特点,可以帮助找到在现实生活中的社会现象,是不容易被发现或暗示的。本文在参考了大量国内外研究文献的基础上,分析和研究了线性阀值模型对在线社会网络用户行为的应用,通过在线社会网络数据集的收集和处理,主要研究内容及结论如下:(1)在本文中,从YouTube,Flickr和Twitter的三种不同类型的在线社会网络和内容发布者分析了观众属性的关系,挖掘在三种不同的在线社交媒体网络行为特征、发布者和观众的异同。首先,分析出版商的总体情况和观众,然后进行特点的分析,其次是研究它们之间的相互作用和观众的出版商和收集,最后对发布者和交集观众的行为特征和其它方面的用户的双重作用进行分析。通过这些理论可以看出理论对在线社会网络的适用性,对信息传播速度,广度和生命周期等不同的信息载体。在线社会网络的用户发现,即观众的年龄,性别和位置三个属性相似的情况下,倾向于选择具有相似特性的内容的发布。而三个网络的双重作用是普遍的,但用户的不同的角色具有不相等的活性。(2)以在线社会网络用户行为研究和基于用户行为的角色发现和舆情研究为出发点,利用不同手段进行OSN数据集的收集并进行了预处理。基于在线用户行为的热点问题社会网络中发现:在线社会网络的建模用户行为是一个新的环境去探索对用户行为的新问题。新一代的在线社会网络,提供更详细的用户数据,基于用户行为的研究结果为在线社会网络节点中的作用提供了详细的行为数据,是进行分类分析的重要依据,具有重要的应用价值。移动互联网、微博系统的发展,在线社会网络群体事件中信息零散性、碎片性、及时性的特点更能反映网络舆情。(3)分析了影响用户点击的关键因素,用户在点击的短网址在Twitter上的发布代表了其影响力。并根据用户的影响分析预测。这些Twitter用户和相关数据的研究选择以网站的流量为目的,对影响用户的点击率的三方面关键因素分析:用户属性,用户行为和主题。最后,根据上述分析,提取相关特征,预测模型来预测用户的影响力。本文提出的应用线性阀值模型在在线社会网络用户行为影响的分析框架,该技术方法对于网络社会管理、个性化信息推荐、精准广告投放等方面都具有一定的实用价值和指导意义。