如今,随着计算机技术的迅速发展和移动设备的广泛普及,在线社交网络已经取代传统的传播媒体,成为信息传播和扩散的主要平台。特别近几年来,在线社交网络的用户规模爆炸式增长,信息可以通过在线的社交网络以迅雷不及掩耳的速度传遍世界的各个角落。社交网络中信息的传播往往给人民日常生活、社会经济以及国家安全带来巨大影响。而在线社交网络中的每个节点都可以作为传播发起的源节点。当传播发生时却难以监测整个网络,也无法预计传播造成的影响。因此,这些因素使得社交网络中的影响传播研究成为学界和业界共同关注的热点。本文针对社交网络中的影响传播现象,旨在研究影响传播中源节点推断和最终传播范围推断的关键问题。文中逐一讨论了影响传播机制建模问题、定位传播源节点问题和传播关键节点的发现问题并提出一套完整的社交网络中影响传播的范围推断方法。最后通过实验对文中提出的方法进行了验证和讨论。具体地说,本文主要针对以下几个方面展开了相关研究:（1）对社交网络中的影响传播过程进行建模。本文综合考虑了社交网络中影响传播过程中的随机性、影响的累积效应和影响随时间衰减三个主要特性,提出描述社交网络中影响传播的带影响衰减的级联模型。该研究中,首先基于节点对邻居节点的影响力,给出了节点激活概率的数学定义。其次,提出了体现影响传播主要特征的传播模型。该模型是经典独立级联模型和线性闽值模型的扩展。（2）研究了定位传播源节点的问题。本文基于Bayes定理提出了从观测节点求解传播来源方向后验概率的Bayes框架。并利用随机游走理论的思想给出了基于后验概率游走回溯传播源节点的方法。该研究基于随机游走的回溯思想,大大减弱了源节点求解过程中对网络完整结构和节点信息依赖的同时使回溯过程符合影响传播的随机特性。基于Bayes理论的框架则提高了源节点定位的准确性。（3）研究了发现影响传播关键节点的问题。本文讨论了基于影响传播最大化问题以及基于传播信息两种不同的源节点定位方法。首先,我们证明了带影响衰减级联模型下传播最大化目标函数的子模性并给出基于贪心思想的求解算法。此外,我们提出一种基于传播信息的关键节点估计方法,并证明了估计的无偏性。基于传播最大化的方法综合考虑节点间的相互影响,能求解得到对影响传播贡献大的关键节点集合。而基于传播信息的方法则不依赖于传播模型和网络结构,求解网络中较有普适性的传播关键节点。（4）研究了社交网络中影响传播推断的整体方法。基于源节点求解和关键节点发现的结果,本文改进了带影响衰减的级联模型,给出根据源节点求解结果和带修正的传播模型推断影响传播并利用对关键节点的观测证据修正推断结果的整体方法。该研究在解决了影响传播推断中传播机制、传播源节点和传播关键节点三个关键问题的基础上,给出一套较为完备的、有效的影响传播范围的推断方法。在社交网络Twitter所发生的“Higgs boson事件”的传播数据上的实验表明,本文提出的方法能有效地解决影响传播推断中的关键问题,推断的传播范围结果较为接近真实的传播结果。