随着信息技术的迅猛发展,在线社交平台逐渐发展成为了人们日常沟通和获取消息的重要途径。一方面,在线社交平台的实时性方便了人们的观点表达与消息交换。另一方面,在线社交平台的开放性也使得虚假消息具有了一定的传播能力。2020年新冠疫情的快速爆发导致了虚假消息肆意传播,人们也逐渐意识到消息传播会对疫情防控和社会稳定产生重要的影响。目前已有的研究多数是对单条消息如新闻或谣言进行实证分析和理论研究,鲜有依据在线社交网络的实证数据来研究多消息的传播过程。本文基于复杂网络的方法与理论对在线社交网络上的多消息传播展开了如下研究:首先,本文抓取了微博平台的辟谣数据和中国卫健委的疫情数据,对比并分析得出辟谣新增数目和疫情新增数目的时延关联性,发现疫情态势会驱动消息传播并导致不同阶段下传播流行度分布的差异性。基于实证数据分析,本文构建了突发事件驱动下的消息传播模型,验证事件态势和竞争作用是影响消息传播流行度分布的重要因素,并且仿真结果与实证现象是一致的。其次,本文获取了推特网络上真消息与假消息的传播数据,并通过数据集里的转发关系构建了每条消息的转发级联网络。通过对比和分析大量的实证数据,发现假消息具有明显的传播优势,主要表现在传播流行度和结构流行度两方面。然后,利用数据集里消息的传播时间戳统计了真消息和假消息在年度产生量和年度转发量上的差异,发现假消息的年度产生量和年度转发量都明显偏高。同时,本文研究真消息和假消息转发网络的拓扑结构特征,发现真消息的转发过程更倾向于广播式的传播,而假消息的转发过程更倾向于树状式的传播。这说明消息的产生概率、转发概率和消息的传播方向将会共同影响消息的传播能力。最后,本文基于实证数据的分析结果,构建了用户注意力受限情况下的真假多消息传播模型,并深入探索了消息的产生概率、转发概率和信任概率对消息传播流行度和结构流行度的影响。在传播过程中,多条不同的真消息和假消息会受制于用户的有限注意力而产生竞争效应。基于大量的仿真实验,本文验证了消息的产生概率、转发概率和信任概率能够影响真消息与假消息的传播流行度分布和结构流行度特征,且仿真结果能够与实证结果相吻合。在线社交网络上的实证分析和模型构建将有助于人们理解消息传播的规律和机制,并对在线社交网络上的舆情控制和突发预警具有重要的参考意义。