随着计算机技术的不断发展和社交平台的迅速普及,在线社交已然占据了人们生活的半壁江山并在逐年扩增。丰富的社交平台在推动社会发展和便捷生活方式的同时,不良言论在社交网络中的快速传播对社会稳定和个人生活造成了一定的负面影响。因此,对社交网络中热点话题的信息传播机制进行更深层次地分析和探究,可以为推动社会、经济发展和网络舆情的分析管控提供必要的理论支撑。本论文以热点话题信息为基础,以用户个人意识为切入点,从群体传播态势感知和转发行为预测两个层面开展研究。论文的整体内容基于以下两个研究点:1.针对群体态势感知问题,本文提出一种基于用户意识和演化博弈的信息传播动力学模型。首先,鉴于个人意识之间的差异,本文将参与话题的社交用户依据意识值划分为高-低两种层次以分析层次内的传播规律,并引入博弈机制来分析不同意识层次之间的影响。其次,考虑到传播源在信息传播过程中扮演着的重要角色,隔离传播源可以有效地控制信息传播,故将传播源抽象为一种独立的隔离状态引入动力学模型。最后,考虑到热点话题的时效性,本文引入时间切片机制来动态探索信息传播过程,构建了一种基于用户意识和演化博弈的信息传播动力学模型。2.针对转发行为预测问题,本文提出一种基于隐式特征的细粒度转发行为预测模型。首先,利用Transformer模型从相关话题数据中提取出更有意义的特征,并利用KD-Tree算法完成隐式链接的挖掘以完善社交网络拓扑。其次,借鉴模型融合的思想将图卷积神经网络GCN（Graph Convolution Network）与Transformer和KD-Tree结合以提高模型的预测效果;最后,通过对模型的预测结果进行分类细化,将基础二分类任务扩展为多分类任务以泛化预测模型应用场景,构建了一种基于隐式特征的细粒度转发行为预测模型。最后,利用新浪微博公开数据集完成了所提模型的验证工作。实验表明,本文所提的信息传播动力学模型可以基本准确且有效地刻画热点话题信息的传播趋势;所提的转发行为预测模型能够较为精准地预测用户转发行为。综上所述,本文所做研究可以为网络舆情管控提供一定的理论依据和技术支撑。