随着互联网技术的快速发展,社交网络平台已成为现代信息传播的重要媒介和载体,网络信息的传播给当前人们的生活和工作都带来了巨大的改变,使得人与人之间随时随地进行沟通与交流成为现实。同时,网络舆情传播也越来越受到企业和政府的关注,信息传播规律的研究与分析能够为政府和企业的舆情监控等工作提供重要的把控思路及手段,值得进行多层面、多维度的深入研究。现阶段,关于信息传播的研究工作主要集中在对可观测的具体网络结构基础上进行的信息传播相关问题的预测,相对很少有研究考虑到利用链路预测原理进一步挖掘潜在社交网络拓扑结构来进行更深层次的信息传播机制及规律的分析。同时,现有信息传播模型的研究大多是基于无符号社交网络设计的,仅考虑到网络结构演化过程中可能存在未来链接的建立,未对新增链接的类型进行考虑,而实际社交网络中链接的类型会对用户的行为产生直接的影响。因此,从关系角度出发,设计出适用于符号社交网络且考虑关系极性的信息传播模型是有必要的。针对以往研究工作中存在的不足,本文分别聚焦于研究基于节点关系评估的信息传播影响分析中涉及的两个主要问题:1、如何利用可观测到的网络结构来预测潜在链接并区分链接类型;2、如何在链路预测基础上,同时考虑节点间积极关系并融合节点间消极关系对信息传播过程建模,并进一步量化分析。针对以上两个问题,本文提出了一种基于隐式关系挖掘框架并考虑消极关系存在的社交网络信息传播模型,主要工作如下:(1)在基于社交网络中的隐式关系及类型预测问题研究中,首先,对网络中的隐式关系进行挖掘,即基于传统链路预测算法加入亲密度指标来预测符号网络中未来可能会出现的潜在链接,然后对在隐式关系挖掘的基础上进一步判断这些关系的类型,最后再通过整合前两步输出网络中潜在的关系及类型预测的结果;(2)在融合消极关系的社交网络信息传播模型研究中,首先,从节点间关系对节点态度的影响进行数学建模,然后对节点态度的更新过程进行建模,并给出相应的传播规则,最后以上述两个步骤中得到的建模结果为基础,完成整个传播过程中节点状态转换过程的建模,得到适用于符号社交网络的融合消极关系的信息传播模型,并在上述隐式关系挖掘基础上,进一步对传播特征进行分析。(3)通过来自三个在线社交网站真实数据集上的数据对上述模型进行了实验,通过实验证明上述模型在性能上优于经典模型,可以得到更加准确的关系及类型预测结果以及更为合理的信息传播特征分析结果。