近年来随着Web2.0模式的出现以及在线社会网络的快速发展,人们获取和传播信息的方式发生了革命性的变化。在线社会网络中信息扩散因不受地域、时间等限制而呈现出独特的扩散特性,引起了众多学者的关注。但现有的相关研究中,学者们在探讨影响用户传播信息的概率时,仅考虑了社会、信息或网络结构等单方面的影响因素,以致研究结果具有一定的局限性。本文提出了信息亲和性,其中包括用户对信息感兴趣程度a[i](又称为信息亲和值)和信息自身的吸引力θ(又称为信息阈值),用户接受和传播消息的概率取决于a[i]和θ之间的相互作用。随后构建了基于信息亲和性的信息扩散模型,分别在SNS和微博网络中进行仿真研究和实证研究。SNS中仿真研究表明,信息扩散范围与信息阈值θ、网络平均度k、节点免疫概率p2相关。用户对信息内容的质疑和肯定都只能影响信息扩散的速度,不能影响最终扩散范围。微博网络中实证研究表明,娱乐、财经和社会主题热门微博的信息扩散树节点转发概率分别类似于均匀、幂律和正态分布,即不同信息的吸引力分布不同,同时用户对不同主题信息的感兴趣程度不同。微博网络中的仿真研究表明,每个主题下,微博信息扩散树中节点平均转发概率随着微博的热门程度而变化,信息自身吸引力越大平均被转发概率越高。信息最终扩散范围与信息阈值θ和节点粉丝活跃程度p1相关。