近年来,随着移动互联网的蓬勃发展和移动设备的广泛应用,移动社交网络日益壮大。然而,随着移动社交网络整体规模的不断扩大,用户开始出现满意度降低、活跃度下降等现象,部分用户不再持续使用甚至彻底放弃使用移动社交网络平台。此现象使移动社交网络平台的收益有所下降,给移动社交网络平台的进一步发展造成了严重阻碍。因此,如何有效提升移动社交网络用户的满意度和活跃度,进而减少用户流失的可能性,已经成为移动社交网络研究领域重点关注的问题。目前,移动社交网络使用行为领域的相关研究,大多未对用户不持续使用行为进行深入研究,主要聚焦于促进用户停止使用平台的影响因素研究。然而,不持续使用行为包括多种不同严重程度的行为。其中,永久放弃使用或转移至其它平台为程度较重的不持续使用行为,而降低使用频率、暂时不使用、短暂放弃又再使用等则为程度较轻的不持续使用行为,即间歇性中辍行为。对于移动社交网络平台而言,采取措施保留程度较轻的不持续使用用户的经济效益更高。目前,鲜有学者对程度较轻的间歇性中辍行为进行深入研究,且对抑制用户停止使用平台的影响因素的研究不够深入。因此,有必要对移动社交网络用户间歇性中辍行为的影响因素展开深入研究。本文从促进和抑制用户停止使用移动社交网络平台的双重视角出发,探究移动社交网络用户间歇性中辍行为的影响因素,以及各个影响因素之间的作用机制和重要程度。首先,本研究在过载理论、疲劳理论、刺激-机体-反应（StimulusOrganism-Response,S-O-R）模型等理论基础上引入沉浸理论,构建了移动社交网络用户间歇性中辍行为的影响因素模型。其次,借鉴已有的成熟量表进行了量表与问卷设计,以微博用户为研究对象,收集了388份有效问卷,进行了描述性统计分析以及信度和效度检验,并基于结构方程模型（Structural Equation Modeling,SEM）进行了假设检验。然后,在综合SEM和人工神经网络（Artificial Neural Network,ANN）两种方法的基础上,提出了一种结构方程-多模块神经网络组合模型（Structural Equation Modeling-Multimodule Artificial Neural Network,SEM-MANN）,对间歇性中辍行为的影响因素进行了重要性排序。最后,根据假设检验结果与影响因素重要性排序结果进行了详细分析与讨论,并为移动社交网络平台提出了相关建议。本文主要的创新点如下:（1）提出了一种基于促进和抑制双重视角的移动社交网络用户间歇性中辍行为影响因素模型,在研究视角上有所创新。现有的移动社交网络用户不持续使用行为模型,大多未能深化到间歇性中辍行为层面。同时,关于移动社交网络用户间歇性中辍行为的相关研究,大多聚焦于促进用户停止使用平台的影响因素研究,而忽略了抑制其停止使用的因素,未能将用户暂停使用后又重新使用平台的行为考虑在内。本文聚焦于移动社交网络用户间歇性中辍行为影响因素研究,考虑了促进和抑制用户停止使用的双重视角,所提出的模型更加全面完整,更具解释力。（2）在过载理论、疲劳理论、S-O-R模型的基础上引入沉浸理论并构建理论模型,研究了过载、移动社交网络疲劳和沉浸体验对移动社交网络用户间歇性中辍行为的影响,以及沉浸体验对移动社交网络疲劳的影响,在研究内容上有所创新。现有研究大多仅考虑了过载与移动社交网络疲劳、移动社交网络疲劳与不持续使用行为之间的关系,鲜有考虑抑制移动社交网络用户停止使用平台的因素。本文不仅考虑了沉浸体验对间歇性中辍行为的影响,还探讨了沉浸体验对移动社交网络疲劳的影响,在研究内容上实现了创新。（3）结合SEM和ANN,研究方法有所创新。现有研究大多仅考虑了变量之间的线性关系,然而用户间歇性中辍行为包括了用户使用平台、中止使用、再次使用甚至反复的动态过程,不同阶段的心理变化和行为变化非常复杂,存在非线性关系。本研究基于SEM的研究结论和拓扑结构并集成ANN方法,构建了一种SEMMANN组合模型。ANN可解决SEM难以解释非线性关系的问题,而SEM又弥补了ANN模型解释力不足的问题,在研究方法上实现了创新。本研究深入探讨了移动社交网络用户间歇性中辍行为的影响因素,以及各个影响因素之间的作用机制和重要程度。研究成果有助于移动社交网络平台进一步了解用户需求,有针对性地优化平台服务,提升服务质量,从而减少用户流失的可能性,推动移动社交网络平台健康发展。