互联网技术的迅猛发展,极大地促进了在线社交网络的流行和发展,丰富的社交网络为信息传播提供了便利的传播介质和传播方式。但是由于社交网络中用户量十分庞大,言论观点表达比较自由,使得一些关于个人或企业的不良信息在网络中普遍传播,对人们的生活和生产有着深刻的影响。如果能快速地、准确地找到信息传播的源头,控制和缩小不良信息传播范围,可以大大减少其对人们的不利影响,因此信息源定位的研究有着极其重要的现实意义。在信息源定位问题方面,本文通过利用网络中观察点记录的观察信息,依据信息传播过程中的最短路径假设,利用广度优先遍历的方式,基于极大似然估计的方法计算出网络中候选节点的估计值大小,并选择最大估计值对应的节点作为信息源定位的结果。在观察点选择方面上,选择高度数优先,高介数中心度优先、高紧密中心度优先和随机选择等多种方式在网络中进行观察点的部署,并在ER随机网络和BA网络数据集上,对不同比例的观察点进行了仿真实验,验证了不同观察点部署方式效果,并对其结果进行了分析,说明该定位算法对于ER网络和BA网络有着较高的可靠性。在研究观察点部署策略的问题时,考虑到现有的观察点选择只是通过选择复杂网络中一些特殊节点,并没有完全考虑网络的全部结构,通过分析,对于一个网络来说,观察点到信息源的最短路径的值越大,则此观察点的理论传播延迟与实际传播延迟的相似程度越高,信息源定位的准确率越高。因而考虑利用网络的拉普拉斯矩阵和及其Fiedler向量,通过将网络划分成多个子图,并在各个子图中进行观察点的部署,再通过极大似然估计进行信息源定位。实验证明,在ER模型网络、BA模型网络以及实际的Facebook网络中,其定位效果要优于传统的观察点部署方式。