微博已成为现今社会中最重要的信息传播和在线社交的平台，微博网络中的信息传播研究在学术理论和现实应用这两方面都具有重要意义。通过对当前微博网络中的信息传播模型研究现状的调研，了解到现有模型存在一些不足之处，主要有:无差别地看待所有用户和所有信息、忽略不同种类用户进行信息传播时给自己带来的利益与成本是不同的、影响转发因素考虑不全面、预测算法还有较大提升空间。　　基于这些不足之处本文进行了微博网络中的信息传播模型研究。首先，全面研究分析了影响某个用户是否转发某条信息的因素有哪些，这些因素可以被什么样的特征表征，如何把这些特征进行数值化以便建立相应的数学模型。　　然后提出并建立了基于集成LR与SVM的二分类算法的个人转发行为预测模型，并将其与线性阈值模型相结合，建立了基于个人转发行为预测的信息传播模型。通过实验分析了基于个人转发行为预测的信息传播模型的性能，实验的结论包括:模型的预测性能良好，但模型预测的准确度仍有提升空间;预测的信息传播路径长度越长，预测的准确率越低;各个数值化特征的影响权重都不相同。　　接着，研究分析了中性信息和非中性信息的区别，得出非中性信息的传播过程更适合用博弈论来进行建模研究并建立了相应的模型，通过对整个博弈的收益结果的分析，提出了减少发布和转发失实信息行为的措施:增加传播失实信息的声誉成本，加强对这种行为的法律处罚力度。　　最后，分析陈述了本文的不足之处并给出了改进的方向和建议。