近年来,新媒体技术的迅猛发展加速了网络上谣言的大规模传播分享,对于社会及个人都造成了严重的负面影响。采取有效的控制措施是改善社交网络生态系统质量,为人们营造一个安全可信的网络环境的重要手段。在社交网络谣言控制领域,寻找具有最大传播影响力的重要节点对于有效控制谣言传播具有重大现实意义。论文通过引入基于D-S证据理论的信息融合技术,系统地研究了多特征融合的节点重要性度量问题,以及重要节点在社交网络谣言控制中的应用问题。具体的研究工作如下:（1）针对目前D-S证据理论的改进方案中存在应用于真实数据集时准确率不高的问题,重新制定了证据权重分配方案,提出了一种新的基于D-S证据理论的多重证据融合方法。在该方法中利用Wasserstein距离公式度量证据清晰度,并基于Jousselme距离和排序因子度量证据的可信度,依据证据清晰度及可信度为证据分配权重,实现对证据源的修正。通过使用几个数值算例及真实鸢尾花数据集实验表明,所提方法与同类其他相比具有更高的决策准确率,且收敛性更好、融合结果更可靠。（2）针对现有节点重要性度量方法存在无法避免网络耦合信息和信息传递机制对度量准确性造成影响的问题,提出了基于多特征融合（Multiple Feature Fusion,MFF）的节点重要性度量方法。在该方法中使用已改进的D-S证据理论将节点的中心性、传递性、声望等指标进行融合,依据融合结果对节点进行重要性排序。之后在6个真实网络上进行实验,对所提方法与同类方法从鲁棒性和脆弱性、SIR传播特性两个方面进行评价。实验表明,所提方法对节点重要性度量具有更好的准确性,且更适用于大型社交网络的实际应用场景。（3）针对社交网络谣言控制领域内辟谣机制中辟谣节点的选取策略问题,使用所提MFF节点重要性度量方法计算待选的辟谣节点。首先构建基于辟谣节点的SCDR（Susceptible-Credulous-Dubious-Removal）谣言传播模型,设置节点间的状态转换条件;然后基于节点重要性的选取策略确定辟谣节点;最后通过6个真实网络上的谣言传播模拟仿真,比较了控制前、随机节点辟谣、重要节点辟谣三种场景中相信谣言用户的变化情况,证明了使用重要节点作为辟谣节点对于谣言控制的优越性,以及重要节点度量算法的准确性及有效性。