【摘要】[目的/意义]学术社交网络已经成为科研工作者们维护人际关系、进行科研合作和学术交流的重要途径，开展用户行为聚类研究对学术社交网络平台准确识别用户组成成分、理解用户行为、提升服务效率具有重要意义。[方法/过程]本文以ResearchGate（RG）为研究对象，在构建平台用户行为的描述模型基础上，利用K-means算法对学术社交网络的用户利用行为进行聚类分析，并立足于学科差异视角探索不同学科用户分布与行为特征。[结果/结论]研究表明RG用户可被划分为10类，不同用户群体在平台功能的利用方面存在较明显的行为偏好差异。同时，学术社交网络的用户利用行为存在学科差异，自然科学类用户类型分布较为均匀，较少呈现极端偏向某一用户群体的情况，利用行为也更加积极；而人文社科类用户主要由潜水用户组成，表现相对沉默。