随着Web2.0技术的发展和网络应用的普及,利用社交网络传播、交互信息已经成为一种重要的人际交流方式。然而,人们尚未对社交网络中信息传播规律的本质特征形成清晰、深刻的认识,在描述和解释信息演进方面尚缺乏有说服力的理论模型；同时,社交网络中参与主体的高度能动性、自组织性、异质性,个体间信息交互的匿名性、随机性和主观性使得社交网络信息传播更加复杂。在这种情况下,社交网络中个体的行为特征、观点演进过程和信息传播过程成为交叉学科领域的研究热点。鉴于此,本文结合交叉学科的建模手段和研究方法,对社交网络信息传播过程、信息传播的相互影响和竞争现象、社交网络中核心节点发现模型和用户行为特性对信息传播的影响等问题进行了研究,力图还原与发现信息在社交网络中传播的宏观和微观规律,探索抑制、推进信息传播的影响因素,并建立相应的理论模型,该研究方向将有助于认识社交网络中信息传播的基本规律和特征,对理解社交网络中的复杂群体行为规律具有一定的理论和实践意义。论文的研究工作得到了国家自然科学基金项目No.61401015)、北京市重点实验室资助项目等项目的支持。论文的相关研究成果己经申请了发明专利(授权号：2011103184771.0)和获得了软件著作权(V1.02008SRBJ0814)。论文的主要研究工作和创新点如下：1)分析了社交网络中信息传播的过程,建立了基于有权社交网络的信息传播模型,通过对模型的仿真和分析,寻找影响信息在有权社交网络中传播的因素,同时比较了信息在其他三种网络(无权网络、小世界网络和BA网络)中的传播差异。研究发现,网络用户不同的阅读、转发信息习惯和各类型用户比例等因素均会影响到信息的传播过程。另外,通过对信息在传播过程中的相互影响与竞争的现象进行建模,研究了针对同一事件产生的两种类型的信息在同时传播过程中的相互影响与竞争关系。通过对模型的仿真分析,给出了用户的类型、两种类型信息发生的时间间隔和初始的传播规模等因素对信息传播的影响,并且发现两信息相互影响过程中存在着一个最佳影响点。模型可以较好地刻画社交网络中信息传播和传播过程中相互影响、竞争的基本特征,为进一步研究信息传播过程提供形式参考和理论依据.2)分析社交网络核心节点的特征并提出网络约束力度量方法。分析了真实社交网络中节点度、紧密度和介数等核心指标,同时提出了一种基于节点获取信息和控制信息传播方向能力大小的中心性指标,用以衡量节点在网络中的核心影响力---网络约束力(Network Constraint, NC)指标,该指标强调节点的影响力由自身和邻居节点共同决定。网络约束力指标超出了两个节点之间相互间关系权重的层面,提出了至少三个节点之间的网络结构,为核心节点挖掘工作提供了一种理论思路。之后借助SIR模型来分析NC指标与度、介数和紧密度指标在信息传播强度S(t)和传播范围C(t)之间的差距。仿真结果表明,通过选择NC指标排名靠前的节点作为初始传播节点会得到更大的信息传播强度S(t)和更广泛的传播范围C(t)。然后实证分析了两个真实社交网络中度、介数和紧密度与NC指标之间的相关性。研究发现NC指标和度之问相关性最高,和介数的相关性最弱,和紧密度的相关性居中；并且NC指标与度、紧密度和介数三类核心指标之间的正相关性相对较高,而紧密度和介数这两个核心指标之间的相关性最弱。此模型能够为社交网络中的广告宣传、市场宣传、核心用户推荐、舆情监控和引导等方面提供理论支持。3)基于进化稳定策略理论和贝叶斯均衡理论,对网络个体在不完全信息博弈下的策略选择和观点交互演化过程建模；模型可以反映网络个体在不完全信息的条件下进行策略和观点交互过程中,如何利用历史经验和预期收益进行相应的策略调整,给出了信息在传播过程中出现羊群效应的机理。通过系统仿真,验证了该模型能够描述群体观点形成和演进的一般过程,得到了不同假设和参数环境下群体观点收敛或分裂的传播结果;分析了说服成本、预期收益等因素对群体观点和群体策略的演进结果和信息传播的影响。该模型能够呈现出一般的观点交互演进过程,表明进化稳定策略理论和贝叶斯均衡理论在解释观点信息的形成和演进方面的适用性,为网络信息的引导策略提供参考和借鉴。4)基于社交网络中用户发布信息和回复信息所具有的时序性、阵发性和记忆性特征,构建了更加符合时序网络的信息传播模型,在SIR模型的基础上增加了节点的接触状态；通过对现实社交网络中实证数据,发现社交网络用户发布信息和回复信息的行为符合幂律分布特征,通过对节点NC指标分析,发现了活跃节点的发帖行为和回复行为属于正相关,而非活跃节点的发帖和回复行为出现了负相关的现象。然后通过信息传播模型仿真分析了用户行为对信息传播的影响,发现在幂指数小的时候,新增传播节点较多,信息传播速度快,但信息持续传播时间短,影响力有限；在幂指数大的时候,新增传播节点较少,但是会增大信息传播的影响范围和延长信息传播的持续时间；同时发现群体行为上幂律特征会对信息传播速度影响较大,个体行为上的幂律特征对信息传播的速度影响较小。本研究为更好地理解社交网络用户行为特征对信息传播的影响以及动力学效应等方面提供了参考依据。5)基于网络中信息传播具有的时序性特征,提出了基于能量交互的网络用户分群模型,将网络中的用户与用户之间每一次的交互行为,定义为能量的流动,通过实际的交互数据集计算每个用户的能量值,然后按照最终的流量数据结果进行分析,从而实现对网络用户的分群排序,通过与实际数据相比对,分群排序正确率达到了97%以上。同时,通过网络用户交互行为的特征,提出了基于空间向量理论的用户识别算法,并通过实际数据进行了仿真验证,得到了较高识别率,解决了对信息发送者进行有效的识别问题,提高了网络安全性,具有一定的实际应用价值。