針對微博轉(zhuǎn)發(fā)預(yù)測方法研究中的數(shù)據(jù)集不平衡問題，提出了一種融合過采樣技術(shù)和隨機森林（RF）算法的微博轉(zhuǎn)發(fā)行為預(yù)測方法。首先，定義了個體信息、社交關(guān)系和微博主題3類與微博轉(zhuǎn)發(fā)行為相關(guān)的特征，并基于信息增益算法實現(xiàn)了關(guān)鍵特征選取；其次，綜合微博特征數(shù)據(jù)的特點來改進少數(shù)類樣本合成過采樣技術(shù)（ SMOTE），對原始數(shù)據(jù)集進行非參數(shù)概率分布估計，并根據(jù)近似概率分布對數(shù)據(jù)集進行過采樣處理，從而使正反例數(shù)據(jù)量達到平衡；最后，利用隨機森林算法，依據(jù)微博轉(zhuǎn)發(fā)關(guān)鍵特征進行分類器訓(xùn)練，并利用袋外（OOB）數(shù)據(jù)誤差估計來分析和設(shè)置隨機森林算法的相關(guān)參數(shù)。通過與基于決策樹（DT）、支持向量機（SVM）、樸素貝葉斯（NB）和隨機森林等算法的微博轉(zhuǎn)發(fā)預(yù)測方法進行對比，所提方法整體性能優(yōu)于基準(zhǔn)方法中性能最優(yōu)的SVM方法，召回率提高了8%，F(xiàn)值提高了5%。實驗結(jié)果表明，所提方法在實際應(yīng)用中能夠有效提高微博轉(zhuǎn)發(fā)行為預(yù)測的準(zhǔn)確率。