在线社交网络的兴起彻底改变了人们沟通交流、分享信息的渠道与方式。理解网络中信息的传播过程对国家安全有着重要的意义,同时也存在着巨大的市场价值。然而,信息传播的机理并不完全清晰,有待深入研究。一方面,不同用户在传播过程中所扮演的角色和发挥的作用难以量化,而另一方面,个体行为与传播的宏观现象之间的关联机理也尚不明确。本文结合心理学等跨领域知识,研究社交网络中信息传播的形成机理,主要研究内容包括:在微观个体传播行为建模研究中,针对现有传播模型没有考虑社会角色与传播过程的关联性问题,提出社会角色感知的信息传播模型,将用户之间的传播参数映射为社会角色之间的传播参数。该模型可以定位海量用户群体的社会角色,量化意见领袖与结构洞等社会角色对信息传播的不同影响,相比传统的模型,降低了参数复杂度,解决了冷启动问题。进一步地,本文将研究成果拓展到社交网络中的情感传播场景中。在宏观信息传播规模预测研究中,为了平衡计算复杂度与计算粒度之间的矛盾,提出PowerInfect模型,引入了用户对信息的反应状态这一概念,对信息传播规模与用户状态的动态演化过程进行联合建模。该模型可以在理论上推导出服从幂律分布的传播规模,并对其形成机理进行了描述:当前转发量越大的消息越容易被转发,由此形成了幂律分布。本文最后探讨微观层面的用户个体行为与宏观层面的长尾效应间之间的关联关系,提出微观与宏观相结合的信息传播统一框架。从理论上证明了该框架在特定参数设定下,可以推导出服从不同长尾分布的传播规模。同时证明了用户个体行为决策概率存在一个下界,当所有用户的转发概率大于该下界时,信息传播规模便会服从长尾分布。在应用层面,该框架可以通过一个信息并不全面的子网络,推算在完整网络中发生的信息传播规模。以此处理完整网络数据往往因为隐私或访问权限等原因难以获取的问题。