Web 2.0以及移动互联网技术的快速发展,使得微博、微信等社交媒体,成为用户信息获取、传播以及好友间交流沟通的主要平台。然而,在线社交网络（Online Social Network,OSN）却是一把“双刃剑”,它在为人们提供便利的信息互动渠道的同时,也降低了不实信息的传播成本,进而逐渐发展成为网络谣言肆意滋生的温床。例如,2017年“红黄蓝幼儿园事件”以及2020年“双黄连事件”等。OSN平台具有的即时性、开放性、互动性以及信息传播的便捷性等特征,使得谣言传播的广度和速度远远高于现实社会网络,从而极易引发社会舆论危机,极大地考验着政府部门的社会治理能力和危机应对能力,而传统媒介的谣言控制手段面对现代社交媒体下的谣言传播,往往收效甚微。因此,深入揭示突发公共事件背景下OSN中谣言的传播演化机理,进而设计出科学合理的谣言阻断策略,不仅是网络平台管理者和政府相关部门亟待解决的网络空间治理问题,也是信息系统、应急管理等研究领域要解决的关键科学问题之一。为此,本文基于OSN中谣言传播规律,构建了动态谣言传播模型,并从舆论危机视角出发,分别考虑用户体验及爆发阈值的约束,设计了两种谣言阻断算法——RBUE和RBOTUE算法,并通过仿真实验,验证了算法的性能。在谣言传播模型构建方面,本文在经典SIR模型的基础上,基于Ising模型,将谣言的个体传播倾向概率与谣言整体流行度相结合,构建了同时考虑微观层面和宏观层面的动态谣言传播模型——PISIR模型。此外,本文引入了能量模型,来描述谣言对用户吸引力的变化过程,并采用相对影响权重,来刻画网络中用户节点之间的影响程度,以此表征谣言个体传播倾向。为了揭示OSN中谣言的传播规律,本文以2019年底爆发的“新冠肺炎疫情（Corona Virus Disease 2019,COVID-19）”相关谣言为例,抓取新浪微博中有关疫情的谣言数据,经过数据处理,得到谣言传播演变过程,并引入多峰高斯分布函数,来表征谣言整体流行度,以真实地描述谣言传播过程中存在多峰特征的现象。在谣言阻断策略设计方面,本文引入了双曲折扣效用函数,从用户个体特征以及OSN网络结构特征两个方面,构建了 OSN用户体验模型,并将其作为阻断算法约束,给出了 Static和Dynamic两种OSN中考虑用户体验的谣言阻断（RBUE）算法。该算法以最小化谣言扩散范围为目标,以用户体验模型为约束,选取特定的节点子集并加以阻断,来最大程度地减少OSN中谣言的影响范围。实验结果表明,在NW网络中,Static RBUE和Dynamic RBUE算法的阻断谣言性能更优,谣言阻断起始时间越早,阻断节点比例越大,阻断持续时间越长,谣言感染率越小,其影响范围越小。面对不同情况,两种RBUE算法具有不同的适应性,在阻断起始时间较早情况下,Dynamic RBUE算法会取得更好的阻断效果,而当阻断起始时间较晚情况下,Static RBUE算法会取得更好阻断效果。此外,本文从舆论危机的视角出发,分别引入谣言爆发阈值和用户体验作为阻断算法约束,提出了 1-Hop和2-Hop两种OSN中考虑爆发阈值与用户体验的谣言阻断（RBOTUE）算法。该算法以最小化谣言阻断成本为目标,以用户体验模型为约束,选取一定数量的节点子集并加以阻断,来使网络中谣言感染率始终小于谣言爆发阈值,从而抑制谣言爆发,进而避免舆论危机的出现,并且实现了谣言抑制成本与抑制效果之间的平衡。此外,本文从理论方面论证了该策略的有效性,进而为相关政府和部门制定科学有效的谣言治理措施,提供理论依据。仿真实验结果表明,在主流社交媒体中,1-Hop RBOTUE和2-Hop RBOTUE算法,在谣言传播过程达到稳态时感染率更小,所需阻断节点数量更少,即利用较低的谣言抑制成本获得了较好的谣言抑制性能,且对于不同的社交网络具有不同的适应性。为实现谣言感染率始终低于爆发阈值这一目标,谣言检测起始时间越早,阻断持续时间越长,RBOTUE算法所需阻断节点数量越少,即谣言抑制成本越低,阻断性能越好;但在Weibo网络中,所需阻断节点数量较多时,要选取适当的阻断持续时间,以保证用户体验,以减少谣言阻断节点数量。此外,在NW网络中,1-HOP和2-HOP RBOTUE算法,较于Static和Dynamic RBUE算法,在谣言传播过程达到稳态时感染率更小,阻断性能更优。面对具有不同整体流行度的谣言,RBOTUE算法仍具有较好的性能。