伴随着互联网产业的迅猛发展,尤其是Web2.0的快速兴起,人们的生活中出现了许多具有不同目的和应用场景的在线社交网络应用,例如像博客、微博、还有各种社交网站等。社交网络的应用是在最近几年得到了快速的发展,渐渐地成为大家收集各式各样的信息、名人表达的观点,而且还成为人际交往中被广泛接受的媒介工具。但是,社交网络中的负面信息影响也不容小觑,负面信息比如谣言等信息随意传播,给和谐社会造成很多不良影响,有些甚至还影响到社会秩序的稳定。所以,本文以充分利用社交网络在信息传播方面的正面作用,推动社交网络的健康、持续发展为目的,针对社交网络上的负面信息控制方法进行了相关的理论研究,而且这方面工作对真实的在线社交网络负面信息传播控制具有一定的指导意义。基于此,本文进行了如下工作:1.提出基于阻断连边的网络负面信息影响最小化方法,首先采用有向图表示社交网络中信息的传播,并利用贪婪算法找到该有向图中的灸条边,使得当去掉该k条边时负面信息的感染面积最小,其中k为正整数;然后切除该k条边以使负面信息传播的范围最小(感染的节点数最少)。2.提出基于话题模型的网络负面信息影响最小化方法,具体来说,对于恶意信息已经爆发的社交网络,从话题模型的角度,通过话题模型分别计算负面信息的概率分布和每条边上的历史信息的概率分布;分别计算负面信息的概率分布和每条边上的历史信息的概率分布的距离,即KL散度;计算对应参数的计算结果,然后从大到小排序,并去掉前k个节点,使负面信息的传播范围大大降低。3.大数据时代已经到来,网络规模越来越大,之前提出的两种控制方法对于大规模网络已经不再适用,因此我们研究出一种新的图分割方法(MSP算法),将大的网络图分割成一个个小的网络,然后再对每个小的网络进行负面信息的影响范围最小化的控制。