在线社交网络是当代社会信息传播的主要渠道和载体。研究社交网络信息传播机理有助于加深对网络结构属性和用户行为的认识,对于国家安全和社会稳定也具有重要的意义。本文围绕着“传播模型的构建”、“传播趋势的预测”和“不良信息传播的控制”这三个核心问题,以微博为主要研究场景,从四个方面展开研究,分别是信息多次暴露下用户转发行为分析、基于宏微观交互的流行度演化分析、基于用户状态的信息引导研究和在线社交网络信息传播分析验证平台。主要工作和成果总结如下:(1)针对传统传播模型研究对信息多次暴露下用户传播行为认识不足的问题,提出了一种基于个体交互的用户转发分析方法。该方法分析了信息多次暴露下用户间社交关系、信息暴露时序等因素对用户转发行为的影响。在此基础上,提出了一种个体交互模型来建模用户的转发行为。在微博数据集上进行实验,相比传统最大粉丝数影响模型和最大转发数影响模型,提出的模型在用户间转发关系推理方面更准确。(2)针对传统传播趋势分析对流行度演化认识不全面的问题,提出了一种基于宏微观交互的流行度演化分析方法。该方法对宏观、微观传播特征进行时序对比分析,揭示宏观、微观传播现象间的关联。提出了一种基于宏微观关联的流行度预测模型。在微博数据集上进行实验,相比Self-excited Hawkes模型和SpikeM模型,提出的模型在流行度演化特征值预测方面有较高的准确率。(3)针对传统信息引导方法单一、针对性不强的问题,提出了一种基于用户状态的信息引导研究策略及方法。该研究结合对网络用户行为和用户状态的分析,基于用户状态向其推荐匹配的信息,通过推荐的信息影响用户的情感立场,以实现信息引导。(4)开发并完成了在线社交网络信息传播分析验证平台。在已有的微博分布式数据爬取系统的基础上,利用本研究提出的相关技术,实现了用户转发分析、传播趋势分析和信息引导等功能,取得了良好的应用效果。“传播模型的构建”、“传播趋势的预测”和“不良信息传播的控制”三个问题是认识社交网络信息传播机理的关键。虽然本文围绕着这些问题对信息多次暴露下用户转发行为、流行度演化、信息引导等都有了深入的认识,但是距离彻底解决这三个问题还有差距,下一步工作将在改进模型、引入动态特征等方面展开。