随着互联网技术的发展,不同社交平台的出现给人们带来了多样化的获取信息的方法。人们的社会关系通过网络表现得更具结构性特征,不同社会群体中的关系也反映了出了许多不同的社会现象,从中也衍生出了一种新的计算机领域分支——社会网络分析。人们开始借助计算机中的方法对一些社会学中的问题进行研究。在社会学上有一个重要的概念称为凝聚力,它通常用来表示社会群体的团结程度。社会凝聚力最初只存在于社会学的研究中。但随着社会网络分析的出现,越来越多的研究人员开始探讨如何通过社会网络分析来对社会凝聚力进行解释。结合复杂网络的相关应用,研究人员开始从网络结构的角度对社会网络凝聚力进行分析。社会网络凝聚力通常是基于网络连通性的一种度量指标,例如通过网络的平均最短路径来度量凝聚力。这些关于凝聚力的度量方式在相关的研究领域都得到了验证。但是这些研究都基于节点的中心性进行,而忽视了真实社会中的阶层现象。此外社会网络虽然表现出复杂网络的结构,但是它通常包含一些更多的社会概念,例如社会资本、知识以及影响力的传播,现有的研究都没有从这些角度进行验证。本文结合了复杂网络结构分析和社会网络的影响力传播模型对社会网络凝聚力进行深入的分析。在结构性方面,本文通过K-Shell分解方法对社会网络的层级结构进行分析并提出了层级凝聚力的概念;在影响力传播方面,本文借助独立级联模型这一经典的影响力传播模型来模拟社会网络中的影响力传播,通过观察影响力在社会网络中的传播状态来评估网络的连通性对传播过程的影响,并且提出了平均传播强度这一概念来验证层级凝聚力的合理性。此外,本文也对社会网络的凝聚力的改变机制进行了分析。研究表明有着密切连接关系的社会网络往往有着更高的凝聚力。在实验部分,本文基于网络的层级结构设计了相关的算法在社会网络中建立新的连接关系并且观察了网络传播效率的变化状态。通过和主流的建立连接的算法进行对比,实验结果较好地说明了该方法的有效性。本文重点关注网络结构与影响力在网络中的整体传播效率之间的关系,并且以此探讨层级凝聚力的合理性。本文的主要研究内容包括以下4个方面:(1)从结构性角度,本文关注网络整体的结构特征,如连通性、核心边缘结构等。(2)从影响力传播角度,本文关注社会网络内部的影响力传播效率,探索个体的位置是否决定了该个体在传播过程中起着重要的中介作用。(3)基于社会网络的分层结构,从层间连接强度来定义网络的层级凝聚力,并在独立级联模型中模拟影响力的传播过程,用网络的平均传播强度来验证层级凝聚力。在此基础上,本文更加进一步的探讨如何干预社会网络凝聚力这一问题,并且设计了基于层级结构的SBDA连接算法来改变网络的凝聚力。(4)为了验证本文提出的层级凝聚力概念的可行性,本文设计了相关的实验。实验中本文用到了10个生成网络,包含了和WS小世界模型、ER随机模型、BA无标度模型、适应度模型和局域世界演化模型5种网络模型;9个真实社会网络,包含中学人际关系网络、物理学家协作网络、Facebook社区网络等。实验展现了许多重要的结构见解,并且验证了本文提出的连接策略的合理性。