随着移动网络技术(4G/5G)技术的不断推广,以及便携式智能终端设备的日益普及,人类在日常生活中的各种活动行为产生了大量的用户行为数据。海量的用户数据为全面揭示与理解用户行为规律提供了可能。一方面,每个人都生活在真实的物理世界中,任何移动行为都会在物理世界留下痕迹;另一方面,人类被称为“社会化的动物”,不可避免地与人沟通、交流。探究人类在物理空间的活动规律以及社会空间中的交互行为,使得人类对自身的理解更全面、更透彻。本文从物理-社会二元空间的用户交互行为出发,研究用户的移动行为偏好与社交网络特征,主要包括三个部分:(1)通过海量历史数据中的地理位置信息分析用户在不同位置的停留时长等特点,描述用户对不同位置区域的偏好程度,挖掘用户签到兴趣点(Point of Interest,POI)信息规律并用其表征用户对不同位置类型的偏好程度;(2)根据用户间的好友信息构建社交网络,分析度中心性、特征向量中心性、小世界特性等社交网络特征;(3)结合物理-社会二元空间信息,利用物理世界中的空间位置偏好、POI兴趣偏好以及社交网络关系三个方面,构建具有物理-社会二元空间共同特征的用户交互行为模型,表征用户间的社交关系强度,并在真实的数据集上进行实验分析与验证,结果显示,构建的地理社会网络可以将原本复杂的社交网络根据用户间的社交关系强度进行有效划分。考虑到用户交互行为的物理-社会二元空间特性,将上述模型应用到移动群智感知用户招募中,以两种信息传播模型为基础,分析、预测任务信息在社交网络中的传播过程;构建效用评价机制与任务激励机制,计算不同移动群智感知任务所招募用户的执行效用值以及任务总成本;利用优化算法选择最佳招募用户集合;最后在真实数据集上进行实验验证,结果显示本文所采用的方法在保证移动群智感知任务高完成率的同时,显著改善了移动群智感知任务的响应速度以及用户资源利用率。