随着互联网的持续发展,用户的交流行为发生了显著的变化,用户开始尝试以微博为代表的社交网络应用来进行社交活动。信息为微博平台中用户间交流的载体,微博转发是微博平台的主要信息传播方式。本研究为微博用户转发行为的预测研究。首先从输入端着手,构建全面完善的微博转发影响因素指标体系,基于选出的预测模型,进行数据挖掘分析,找出适用性和精度最优的模型,并通过对比试验对重点指标对模型的贡献度进行验证。本研究的学术研究成果主要表现在：第一,本研究在微博转发影响因素指标体系的构建过程中,从三大角度进行研究,包括用户属性、微博属性、社会网络属性。指标的提出既采纳了前人的理论成果,又加入了作者的理解和思考,完整的描述的各项指标的含义,度量方式及选取理由。最终,研究形成了包含用户属性、微博属性、社会网络属性三大维度,13项指标的完善指标体系。此外,通过对比试验,考察研究中提出的重要指标对预测模型性能的贡献,证明了指标的重要性。第二,基于对微博转发影响因素指标体系的构建,本研究采用神经网络、决策树和逻辑回归三种模型对微博转发展开预测实验,通过对实验结果的评价分析,找出适用于国内微博平台信息传播预测的最优模型。错分率和ROC曲线下覆盖面积两个指标的实验结果表明,三种模型中,决策树模型性能最好,预测准确度最高,是预测国内微博平台信息传播的最优模型。