在线社交网络分析作为一门新兴的交叉学科,自诞生之日起便吸引了诸多研究人员的目光。社交网络中信息传播问题研究是在线社交网络分析与复杂网络研究的交叉领域,由于对其进行研究具有巨大的应用价值,对于信息传播的研究日益成为当前研究的热点领域之一。本文主要从复杂社交网络信息传播动力学的角度出发,以博弈论为基础,研究了不同动力学因素对复杂社交网络中信息扩散的影响,本文主要研究内容如下:1.本文将用户多维属性和演化博弈与传统SIR模型相结合,针对社交网络中用户交互行为的复杂性,提出一种基于感知流行度的用户行为演化策略,旨在量化外部驱动因素和内部驱动因素对热点话题传播过程中群体状态变化的影响。首先,提取社交用户的网络结构属性和历史行为属性,并利用多元线性回归方法构建用户多维属性驱动机制,分析影响用户参与话题的用户主体驱动因素。其次,考虑到信息传播的多源性和用户交互行为的复杂性,定义感知流行度的概念,并以演化博弈论为基础,提出一种用户行为的动态演化策略,揭示外部驱动因素对用户行为的影响。最后,结合传统SIR传染病模型,综合考虑影响热点话题信息传播的驱动因素,得到一种基于用户多维属性和演化博弈论的热点话题传播模型。实验表明,该模型能够有效地揭示不同驱动因素对信息传播的影响,描绘社交网络中热点信息的传播趋势。2.考虑到话题参与者之间真实的拓扑关系和参与者心理特质,本文以异质平均场和演化博弈为基础,提出一种社交网络热点话题传播动力学模型。首先,在现实社交网络中,热点话题热度的变化会导致个体参与话题意愿的动态变化,这种影响体现为用户节点间的动力学行为。针对此问题,本章以演化博弈为基础提出一种用户参与话题意愿的演化机制,动态调整信息传播模型的感染率。此外,针对网络结构的异质性和异质平均场的复杂性,本文引入图演化博弈对异质平均场进行改进,以此为基础构建新的信息传播动力学模型。最后,本文综合考虑节点间的动力学行为和社交网络的异质性特征,得到一种基于动态演化机制和改进异质平均场的热点话题传播动力学模型。为了验证所提出的模型,本文分别采用合成数据和真实数据进行仿真实验,实验结果表明本章提出的模型能够有效地预测社交网络信息传播的趋势,揭示不同驱动因素对信息传播的影响。