摘要：随着Web2.0理念的普及与相关技术的日益成熟,基于社交网络服务的新型互联网应用有了飞速的发展,社交网络已经成为人们传播信息、交流沟通的重要场所。与传统信息传播方式不同,社交网络对话题和观点的快速传播增加了舆论事件产生的突发性和频度,使舆论的传播、形成与演化过程变得更加复杂和不确定,致使传统舆论的理论和过于简化的模型难以描述社交网络中信息传播和舆论的演进过程。鉴于此,本文结合信息科学、复杂系统理论、社会物理学、传染病动力学和社会学等学科的思想和方法,对社交网络的信息传播机制、观点演化模式、用户行为特征以及话题预测方法等问题进行了研究。论文的研究目标是发现社交网络环境下的信息传播与舆论演进规律,以进一步挖掘互联网用户的行为特征。该研究将有助于认识社交网络中人类的复杂群体行为,同时也为复杂系统的理论研究提供一些探索性的成果。论文的研究工作受到了国家自然科学基金资助项目(No.61172072)“在线社交网络舆论传播演化模式及热点预测方法研究”,北京市自然科学基金资助项目(No.4112045)“网络社区舆论趋势预测与观点演化机制研究”,高等学校博士学科点专项科研基金(No.20100009110002)“个体交互与舆论引导对网络舆情传播影响的研究”,北京市教育委员会学科建设与研究生建设项目等的支持。论文的主要工作和创新点有以下几方面：1.构造了社交网络信息传播模型。该模型在考虑节点度和传播机制影响的基础上,结合复杂网络和传染病动力学理论,进一步建立了动力学演化方程组并采用该方程组刻画了不同类型节点随着时间的演化关系,反映了传播动力学过程受到网络拓扑结构和传播机制的影响。本文模拟了社交网络中的信息传播过程,并分析了不同类型节点在网络中的行为规律。仿真结果表明：由于社交网络的高度连通性,信息在网络中传播的门槛几乎为零；初始传播节点的度越大,信息越容易在网络中迅速传播；中心节点具有较大的社会影响力；具有不同度数的节点在网络中的变化趋势大体相同。2.建立了基于自主性和可信度的个体观点交互模型。该模型研究了社交网络中用户观点交互过程,从社交网络用户属性出发,引入了两种个体特征——自主性和可信度,并分别建立了基于自主性的个体观点交互模型和基于可信度的个体观点交互模型。采用蒙特卡罗方法对模型仿真,研究结果表明：个体自主性促使个体极端倾向性的增大,促进了群体极化现象的发生；个体自主性有利于小规模的观点簇产生。同时,具有较高可信度的个体能够影响多数普通个体,推动群体极化现象的产生；个体可信度有利于观点簇的融合和大规模的群体出现。3.研究了社交网络用户行为的特征规律并对用户影响力进行了建模。本文提出了基于模板机制的Web信息抽取算法,通过所抓取的新浪微博的用户数据,分析了用户行为的分布规律。数据分析的结果表明,微博用户的粉丝数量分布呈现幂律分布,而关注数量分布为无规则分布。通过计算斯皮尔曼等级相关系数,发现微博用户的粉丝数量与关注数量之间存在较弱的相关性,而用户的平均回复数与平均转发数之间存在较强正相关性。在提取影响力若干关键因素的基础上,本文提出了一个用户影响力排名的算法,并采用实际数据对所提出的算法进行了验证。4.研究了社交网络中话题传播行为规律和预测方法。本文采用基于模板机制的信息抽取方法,抓取了部分新浪论坛中的话题数据,以分析话题传播的行为规律。计算话题的传播速度,发现其服从生命周期规律,即每个话题经历从出生、生长、衰减到死亡的过程。基于此规律,假设话题在传播过程中存在生长因子与衰减因子,并建立话题速度变化规律的微分方程动力学模型,再利用高斯函数拟合其生长因子函数,根据高斯函数的几何意义和话题速度分布规律,赋予高斯函数参数明确的物理意义,利用提出的模型和实际数据对话题的传播速度进行短期预测。此外,还研究了网络话题之间的竞争和影响关系。通过稳定性数学模型抽象出话题相互竞争的关系,建立基于稳定性理论的话题竞争模型,然后,以相轨线方法进行分析,研究了处于这种关系中的网络话题的发展趋势。