以微博为主的社交网络新应用的兴起与蓬勃发展,逐渐改变着人们传统的生活习惯和社交模式。在微博中,“自媒体”用户可随时随地通过便捷的接入方式参与在线社交,进而获取信息、交互观点、参与传播。相比于传统社会网络,新兴的微博在线社交网络更加灵活和便捷,再加上参与主体智能化、社交网络复杂化、影响因素多元化等影响,这使得网络舆论产生、发酵、扩散的时间大大缩短,进而增加了舆论信息传播、个体观点演化的复杂性和随机性。基于此,本文借助社会学、传播学等交叉学科的思想和方法,对微博网络信息传播模式、多元话题传播与竞争机制、微观个体观点交互与宏观观点涌现过程、以及网络社区叠加的节点影响力识别等问题进行研究,力图发现并还原微博网络中观点演化、信息传播的微观和宏观规律,建立相应的数学模型,并通过仿真实验寻找可以促进或抑制信息传播、观点扩散的规律和途径。论文的研究工作或有助于对微博中舆论演进过程的进一步了解,同时本文的一些研究结果也可为复杂系统动力学和复杂网络理论研究提供一些应用扩充。论文的研究工作得到了国家自然科学基金项目(No.61401015)、北京市自然科学基金项目(No.4102047)、高等学校博士学科点专项科研基金(No.20100009110002)、北京市教委资助项目(No. W12H100010)和北京市科技计划资助项目(No.Z121100000312024)的支持。论文的主要工作和创新点如下：1.建立基于网络社区叠加的节点影响力度量方法。复杂网络中影响力节点挖掘问题具有非常重要的理论研究和实际应用价值。节点度较为简便,但考虑因素较少；k-shell分解区分节点粒度太粗；紧密度和介数在大型网络中计算复杂度较大,且性能难以保证。另外,社区因素在信息传播中具有不可忽视的影响。基于此,本文在综合分析几类经典的节点中心性特征的基础上,引入社区叠加因素,提出LWCS指标模型。该指标可近似度量节点传播影响力大小。并通过在真实的网络中进行仿真分析来验证LWCS指标的性能。此外,在LWCS指标的基础上引入k-shell划分思想,提出改进型指标LWCS+,仿真表明LWCS+指标的区分节点影响力以及还原社区叠加因素方面具有更强的优势。2.研究了基于多维特征的微博网络信息传播模型USIR。结合复杂网络、传染病动力学和强弱关系理论,在考虑群体因素、个体因素(个体接收到信息的次数和个体对信息的容忍度)和传播链路等多维特征的基础上,建立了更加适用于微博的USIR信息传播模型。通过在真实微博网络中的仿真得知：强关系比弱关系在促进信息传播方面作用更明显,但移除弱关系对网络拓扑结构和信息传播影响更大；网络拓扑结构对于信息传播结果影响较大,相比于无标度网络和随机网络,小世界网络中信息扩散速度较慢、传播强度较弱,但覆盖范围略大于无标度网络；个体容忍度对信息传播强度和信息覆盖范围具有较为明显的制约作用。3.研究了微博中个体的自发传播过程,和多来源时信息间的协作与竞争关系。考虑同一话题的传播,建立了多源信息传播模型,不同的信息源之间相互协作。数值仿真结果表明,个体的自发传播过程降低了信息传播的门槛,但不能显著扩大信息的传播范围。网络的平均度及最短距离长度能影响着信息的传播,但最短距离长度只有在接触感染概率较大时才能发挥作用。考虑不同话题同时传播的情况,建立了基于用户兴趣多话题传播模型,信息源之间是竞争的关系。结果显示,话题之间的竞争缩短话题的生存时间,同时促使了热门话题的产生。用户的选择偏好不能提高全局的信息传播程度,但能提高少数热门话题的参与度。研究结果有助于解释微博信息传播及热点话题的形成规律,为引导策略的研究提供理论基础。4.研究了网络结构及微博用户信任度对舆论演进过程的影响。首先,构建了个体观点交互规则,分析了在不同网络结构中的观点演进过程。仿真发现,充分的信息交换能促进群体意见的收敛,阻止了宏观舆论的极化和分裂。网络拓扑的异构性有利于少数派意见获得最终胜利。然后,建立了个体信任与观点的共同演化模型,描述了个体信任度对观点更新过程的影响。结果表明,个体信任度加速了舆论演进过程,在信任度增加时,观点簇更少,宏观观点簇的规模更大。增加网络中的强连接数,能促进从众者的群体意见形成,而若要加快顽固者群体的观点演进,则需要增大网络的异构性。研究结果有助于理解微博网络及用户特性的作用,解释群体意见形成更快的现象。