社交网络的盛行,为人们的沟通提供便利。个人可以向朋友圈发布消息,转发热点新闻,正逐渐成为一种重要的社会宣传媒体及个人展示平台。但同时也为谣言传播提供了便利,谣言可以在短时间内传播至整个网络,给社会带来巨大的负面影响。研究社交网络的增长演化模型,以及研究谣言在社交网络上的传播规律和控制策略,具有重要的现实意义,引来众多学者的参与。社交网络的研究,正成为学术研究的热点。社交网络中谣言的扩散,会影响到社会的稳定,一些波及范围广的谣言甚至会引起群众的恐慌情绪。而谣言的传播范围,不仅与谣言的内容有关,而且与社交网络的拓扑结构密不可分,并且会受到综合社会因素的影响。其中,网络拓扑结构会影响到谣言传播的传播速度、谣言传播的阈值;而社会因素会加速谣言的传播。因此,研究网络的拓扑特征以及影响谣言传播的社会因素,已经成为社交网络领域的重要科研课题。这些领域的研究成果,可以为舆情控制、谣言控制提供重要的理论支撑与方法指导。本论文紧紧围绕社交网络的增长演化过程、谣言的传播规律以及谣言的控制策略,研究成果包括以下三个方面:1)本文在Holme和Kim(HK)模型的基础上,通过引入择优与择弱可选的三角连接机制,提出一种聚类系数和度相关性均可调的HK扩展模型:HK-TDC&C模型(HK extended model with turnable degree correlation and clustering)。通过该模型,能构造出具正相关、高聚类特性的社交网络。论文首先利用平均场理论,研究了该模型的度分布;随后通过Matlab进行仿真,证实HK-TDC&C模型生成网络的各拓扑参数,符合真实社交网络特征。2)本文在SEIR(Susceptible-Exposed-Infected-Removed)病毒传播模型的基础上,考虑综合社会因素对传播造成的影响,提出新的谣言传播模型。该建模方法为多种叠加因素影响下的谣言传播建模,提供了参考。论文首先对该谣言传播模型的传播方程进行分析,得出社交网络中谣言扩散的阈值,发现该阈值与网络结构相关;然后,在真实社交网络和HK-TDC&C模型构造社交网络上,详细研究了网络拓扑和综合社会因素对传播造成的影响。仿真结果表明,在考虑综合社会因素后,即使感染率较小,初始传播度值较低,谣言也会较快的传播至整个网络,这表明了谣言控制的必要性;同时也验证了HK-TDC&C模型在谣言传播模型中的实用性。3)最后结合熟人免疫算法和目标免疫算法的优点,通过设置阈值排除非重要邻居节点,提出改进的熟人免疫策略:通过迭代的方法查找重要邻居。通过与计算代价较高的目标免疫相比,发现本文提出的改进的熟人免疫策略,在免疫比例较低的情况下,也能取得与其近似的免疫效果。