随着社交网络的发展,微博、论坛等社交软件的数量日益增加,人们之间的信息交流、资源共享也变得越来越多。新一代的社交信息传播技术促进了信息快速共享和大规模的信息级联。与此同时,由于网络谣言自身的隐蔽性、突发性和传播分散性,往往在短时间内就能快速扩散影响,甚至比真实信息的传播速度更快,影响更广。所以,对社交网络谣言话题内在传播规律的分析与预测研究,在引导正确的舆论、遏制谣言传播和维护社会稳定等方面都有重大的意义。本文主要从社交网络谣言话题下的用户个体与群体两方面出发,对谣言话题转发与热度进行了建模与分析。主要的研究工作和贡献如下:1.在谣言话题转发预测方面,针对谣言传播特征空间的多样性和复杂性,考虑到表示学习在数据特征提取方面的优势,对内容和结构两类特征采取对应的表示学习方法,达到对传播空间数据特征进行降维、统一化、稠密化的全貌信息表达目的。其次,考虑到辟谣信息对谣言传播行为的影响,在对群体传播关系结构特征表示时,引入演化博弈理论,融和谣言、辟谣消息的用户影响力,更切实地反映出谣言与辟谣的竞争、共生关系。最后,考虑到图卷积神经网络对非欧氏结构数据进行卷积处理的能力,提出基于表示学习和CNN-GCN的谣言-辟谣信息传播用户行为预测模型。2.在谣言话题热度预测方面,针对谣言话题下的多消息特性,提出谣言话题热度计算方法,并进一步构建出基于表示学习和动态指数平滑算法的预测模型。首先,考虑到谣言话题演化时效性问题,对谣言话题的生命周期进行时间切片和离散化处理,从而得到谣言话题热度时间序列。其次,考虑到谣言话题下的多消息特性,使用知识表示的方法,对不同的源消息进行表示学习,并结合实际谣言话题传播过程中的多变性,使用动态调整平滑系数的方式进行优化。最后,构建出谣言话题热度预测模型,实时进行热度预测,从而实现对谣言话题传播态势的动态描述和监控。最后本文利用微博数据进行实验。实验表明,本论文提出的预测模型不仅能够有效地预测谣言话题下的用户行为与热度,同时可以更真实地反映谣言消息和辟谣消息在传播过程中竞争、共生关系。