在线社会网络的开放性和高度自治性改变了人们的生活方式,但也会带来一些负面影响,例如一些自然灾害的舆论信息在社会网络上的广泛传播可能会带来恐慌。因此,研究信息在社会网络上的传播机理可以帮助政府或企业单位更有效地发布正面的信息。现有研究很多都假设信息传播是在一个没有权重的社会网络上,所以只能将信息传播的概率设置为一个固定的传播概率,没有考虑节点之间可能存在的不同传播风险。此外,现有的信息传播模型还没有考虑到在社会网络中还存在潜伏状态的节点类型。潜伏状态的节点在社会网络中携带信息,但是不会传播信息。针对上述问题,本文研究了一种基于风险因子约束的信息传播模型。论文的主要工作包括以下内容:首先,提出一种基于注意力机制的节点特征提取方法,可以得到节点之间的信息传播风险因子值。该方法可以根据社会网络中每个节点的特征,计算出每个节点的节点注意力向量。考虑到在相同的主题的社会网络中节点之间信息传播的概率更高,通过节点的注意力向量来计算节点与节点之间的相似度,并将该相似度作为信息传播的风险因子。然后,提出一种基于风险因子约束的信息传播模型。在该模型中,将节点分为四种类型:易感染状态、潜伏状态、感染状态和恢复状态。在现有的SIR模型的基础上引入潜伏状态节点这种新类型,并增加节点的出生率和死亡率等控制参数。为了能够更好的表达节点与节点之间传播信息的难易程度,进一步将上述计算的风险因子应用到传播模型中,作为信息传播的感染率,进行信息的传播。还研究了不同的传染率,转化率和恢复率对信息传播模型的影响规律。最后,在Facebook、Facebook-sub和Cora三个数据集上进行实验,验证前面所提模型和方法的可行性。