随着Web2.0概念的持续升温，微博在现代社会变得越来越重要。微博用户通过转发操作，使得微博平台上的信息形成了指数级的增长和流动。本研究关注微博用户的转发行为，通过分析影响微博用户的转发行为的特征因素，构建预测模型，以求对微博用户的转发行为进行预测。 首先本研究分析了影响微博用户转发行为的特征因素，包括微博发布者特征、微博文本特征、微博接受者特征、相互关系特征等4个一级维度，39个二级维度。针对所需数据，本研究利用新浪微博平台进行随机抽取，并对所抽取的样本进行预处理，将所有特征全部转换为数字表征的形式。数据预处理阶段包括采用贝叶斯分类方法对微博文本进行分类，以及利用“知网”提供的WordSimilarity工具，计算词语之间的相似度，并将其作为相似度相关特征的数字表征形式。针对预处理之后的数据，构建每条数据样本对应的特征向量，利用SVM支持向量机构建针对微博用户转发行为的基本预测模型。由于每个特征对用户转发行为的影响可能存在不同，所以利用信息增益算法，计算每个特征的信息增益值，对不同特征赋予不同的权重，对每条数据样本对应的特征向量进行加权处理，并再次利用SVM支持向量机构建优化预测模型。对于优化预测模型的评估，利用信息检索的标准指标对其进行评估。实验证明，优化预测模型的查准率达到11.87%，召回率达到58.67%，精确率达到82.19%，错误率达到17.81%，F-measure值达19.75%。