近年来Twitter、Facebook、新浪微博等社交应用的用户及内容信息量激增,其中包括难以辨别真假且需要被抑制的信息,本研究将其称为特定信息。现有社交网络信息抑制相关工作主要通过辨别信息本身的真实性来切断传播源头,或者通过将网络中的某些传播者去除来切断传播路径,而鲜有通过传播过程进行信息抑制的研究。针对现有社交网络信息抑制研究的不足,本文将从真实的微博社交网络出发,利用用户属性及文本数据,对用户的兴趣点以及转发偏好进行建模,构建特定信息传播预测模型,选取社交网络中的种子用户集合,通过交互方式自然注入免疫信息并传播,使得该信息在社交网络中的传播影响力最大并且能够最快覆盖已经受到影响的用户节点,以达到抑制信息传播的效果。具体工作如下:首先,为了对特定信息的传播范围进行预测,本文对信息传播机制和预测方法进行研究。本研究将该问题转化为用户转发预测问题。该模型考虑用户转发行为的特性,在已知特定信息文本内容、用户属性、用户近期所发微博内容、该信息已有的传播路径等信息的情况下,利用用户的兴趣偏好、标签信息等建立用户与转发信息间的关联提取特征,训练模型对用户进行转发预测,并返回转发概率。其次,在特定信息传播范围预测的基础上,本文基于给定覆盖原则（如:针对即将被特定信息传播的节点的最大覆盖;覆盖一定比例的已被传播节点和未被传播节点的最大覆盖）,分别设计抑制模型与机制。该模型通过寻找社交网络中的关键用户节点集合并对其注入免疫信息,提高用户对原微博的免疫力,从而达到抑制传播的效果。在真实微博数据集上的实验表明,本文提出的社交网络特定信息传播抑制模型能够有效地抽象社交网络中信息传播与抑制的过程,模拟真实场景下的信息传播步骤,并且能够有效地抑制社交网络不良信息的传播。最后,根据真实的微博社交网络特定信息传播数据,基于真实的社交网络关系数据,构建特定信息传播网络。基于该网络,针对本文所提出的机制和方法进行实际试验和验证。在此基础上,设计并实现面向特定信息抑制的原型系统,包括指定特定信息的微博传播数据抓取模块、传播网络构建模块、传播预测模块和传播抑制模块。系统具有友好的人机交互界面和可视化功能,能够对信息传播过程及加入抑制功能前后的传播过程进行可视化分析和对比,展示本文抑制机制和方法的效果。