在传统的计算机通信模型当中,绝大部分的信息通信与信息交互是在机器与机器之间进行。在这类通信模型下,信息主体之间往往在一个固定的通信协议形式下,进行信息数据的传递和消息的交互。并且这一类通信模型容易被人为监控和人为管理。近些年来,随着社交网络的不断发展,社交网络逐渐成为了信息承载和消息传递的主体,大量的社交网络用户基于社交网络平台进行消息的交互。社交网络中用户之间的信息通信行为属于人与人之间的通信模型,其最大的特点是,模型中信息的交互过程往往是用户之间自发的和自组织的行为。另外,社交网络的通信模型中用户之间的信息交互行为还会受到用户本身的个体属性和社交属性的影响,例如用户的个人兴趣,好友关系等。所以,该类通信模型中用户之间的信息通信过程往往是不易被人为监管和人为控制的。目前人们普遍对社交网络中用户基于社交网络平台进行信息交互和消息通信的模型并没有清晰的认识。因此,在这种时代背景下,研究社交网络平台中用户之间的通信模型,以及社交网络内用户之间的信息交互过程是十分必要的。特别对社交网络中舆情传播控制以及用户行为预测等方面更具有一定的理论意义。在本文的研究中,作者首先基于新浪微博的API接口设计编写了相应的爬虫程序,成功抓取了大量新浪微博社交网络用户的个人信息数据。并通过运用多维度的信息处理策略对所抓取到的微博信息进行了有效的筛选和过滤,从而得到了最终的实验数据样本,即一个校友圈社交网络的数据集。随后,本文研究分析了该数据集网络中用户的个体属性以及用户之间的社交关系,同时还分析了在该社交网络中不同用户之间的信息交互行为模式。最终,作者用图表和可视化的技术对该社交网络中用户之间的通信交互行为,特别是用户微博的动态转发通信行为进行了直观地展示。接下来,本文引入了社交网络中用户之间信息交互的“竞争窗口”模型,分析了微博社交圈网络中的用户信息通信模型。作者主要研究分析了微博社交网络中用户的“微博发布行为模式”和“微博阅读行为模式”。并用泊松过程等数学理论对微博社交网络中用户的“微博接收模型”和“微博阅读模型”做了详细的建模分析。最后,作者利用“北邮”校友圈网络的数据来对用户的“微博接收模型”进行了验证,以及对此网络内某一个用户的“微博阅读模型”做了简要的分析。本文作者在最后的一个章节当中,总结了本文中所有主要的工作以及不足,并且指出了“基于社交性网络的通信模型研究”这一课题未来可提升和改进的方向。