随着Web2.0技术的迅速发展和社交媒体的蓬勃兴起，大量用户参与到信息的产生和传播过程中，社会网络相关问题的研究逐渐成为热点。传统的研究通常将个体抽象成节点，个体之间的联系抽象成边，然而个体之间存在差异性，如性格、爱好、行为模式等，本文将这些特征统称为属性，在社会网络中研究了考虑节点属性的影响扩散和网络演化问题，主要工作如下:　　首先，在扩散模型中考虑了节点的反应延迟属性。不同节点感知周围事件的快慢不同，本文利用分支过程理论建模了网络中每个时刻被激活的节点数。数值分析表明节点平均反应延迟越短，活跃节点数越早达到极值且极值越大。实验仿真发现当节点反应延迟的方差较小时，节点行为较高的同步性使得活跃节点数随时间出现多个极值情况，波动性较大，且方差越小波动性越大;当反应延迟的方差足够大时，异步的节点行为使得活跃节点数随时间仅出现一个极值。　　然后，在扩散模型中考虑了节点的活动范围属性。有的节点更易受到网络内部邻居节点的影响，有的节点更易受到外界环境的影响，本文在影响扩散过程中考虑了节点对活动范围的偏好属性。仿真发现当节点活动范围倾向网络内部时，活跃节点数随时间会出现一个峰值;当节点活动范围倾向网络外部时，活跃节点数随时间呈递减趋势。针对该模型本文提出一种模型等效替换的方法，将外部影响转化为内部影响，使得替换模型和原模型在选取相同初始活跃节点后扩散规模等价。　　由于影响扩散会改变节点属性，进而会改变网络结构，本文最后建模了社会影响驱动的网络演化过程。模型中节点关联多个属性，通过属性向量将节点映射成多维空间中的粒子。将社会影响建模为节点之间的引力和斥力，节点在力的作用下相互靠近或远离，位置改变即属性发生变化，并依据同质性规则判断边的存在性。模型中节点属性和网络结构同时变化，仿真结果表明当节点之间斥力占优时，节点倾向分散开，网络度分布逐渐趋近幂律分布;当引力占优时，节点倾向聚集起来，网络中更容易出现聚簇现象。