复杂网络是研究复杂系统的一种工具和方法,是理解复杂系统的功能与性质的基础。随着复杂网络理论的兴起,复杂网络理论成为复杂系统研究中的最活跃的分支之一。本文首先对有关复杂网络理论在信息传播学中的研究进展、复杂网络的统计特性与一些基本的网络模型,以及常用的传播模型与基本的免疫策略作了简单的介绍,然后在加权网络中对多信息的传播进行了深入地分析,最后在有向在线社交网络中对如何抑制不良信息的扩散问题进行了研究。具体研究的工作如下:1、分别在GBBV加权网络和实际数据集上研究了两条信息的传播特性。假定两条信息的传播率相同,信息自身的吸引力不同,其中信息1的吸引力高,信息2的吸引力低,从网络结构和低吸引力信息的初始传播源数量两方面,在GBBV加权网络上对具有竞争关系的多信息的传播行为进行了研究。通过实验发现,在网络平均度6～8范围内最不利于处于低吸引力信息2的传播,该规律和网络平均聚类系数与网络平均边权的关系不大;当网络平均度小于8时,改变网络平均边权值可以改变信息2的传播范围。本文提出了几种增加低吸引力信息2的初始传播源提升其传播范围的方法,并对这几种方法的效果进行了比较。比较发现在稀疏的网络中,按大度节点降序增加初始传播源的方法,效果更加显著,只需增加少量的初始传播源就可使信息2的传播范围超过信息1。2、在Epinions在线社交网络上研究了具有竞争关系的两条信息的传播行为特性,并对几种免疫策略进行了比较。假定正面信息处于传播劣势,负面信息处于传播优势。通过研究,发现Epinions社交网络的规模对具有竞争关系的多信息的传播行为没有影响,当信息传播稳定后,除了少部分人群仍处于中立状态外,网络中大多数人群处于接受负面信息的状态,只有少部分比例的人群处于接受正面信息的状态。为增大网络中接受正面信息的人群比例而降低接受负面信息的人群比例,本文提出了几种免疫策略,即分别按照节点介数、节点入度、节点出度、节点紧密度以及随机方法选取降序选择免疫节点进行免疫,研究发现按照节点介数免疫的方法效果最佳,按节点的入度、出度的大小免疫效果次之,而按照紧密度、随机的方法选择免疫节点时,免疫效果最差。