随着互联网技术的快速发展,具有开放性特点的社交网络为信息传播提供了更广阔的平台。信息传播为生活提供便利的同时,也带来许多安全隐患与舆论导向等问题,如各种不良、恶意、虚假信息跨地域传播,严重影响社会的和谐稳定和国家安全。因此,负面谣言需要及早发现并有效阻止,最小化其传播和影响范围,确保积极、安定、和谐的社会秩序。谣言阻塞是社会网络分析的一个重点研究问题,具有重要的理论意义和实际应用价值。目前在线谣言等负面信息的影响最小化问题得到了广泛的关注,已有的谣言阻塞算法在一定程度上阻止了谣言的传播,但这些算法的阻塞效果还有待提高。社区结构是社会网路中的普遍现象,同一社区内节点之间的联系相对稠密,而不同社区内节点之间的联系相对稀疏。社区结构不但反映了网络中个体节点行为的特征以及社区之间的关联信息,而且将整个网络简化为具有层次特征的社区和社区关系。利用社区结构来分析影响力问题,一方面有利于降低整个社会网络研究的复杂性,另一方面有助于影响力评估,能同时考虑社区内部节点之间关系和社区之间的重要关联。因此能克服现有影响最小化算法的不足。本文主要关注的是在线谣言等负面信息的影响最小化问题,提出了基于社区结构的动态谣言影响最小化(CoF-DRIM)方法。该方法首先对全局网络进行社区划分,社区内的节点关系紧密,而社区之间的节点相对稀疏;其次,本文通过将节点在社区内的影响力和节点被感染的概率进行融合来度量社区中节点的影响力,继而有效地挖掘出各个社区内的关键节点,同时考虑到连接各个社区的桥梁节点,两者合并为阻塞节点,然后使用动态阻塞算法进行节点阻塞策略,以此降低整个社会网络中的谣言感染率;最后,本文使用两个真实的数据集对所提出的方法进行了实验验证,从感染率和敏感度两个方面考虑,将本文算法与其他算法进行比较。实验结果表明本文算法具有更好的谣言阻塞效果。