社交网络、交通网络、电力网络等各式网络给人们的生活带来了极大的便利。实证研究表明,这些规模庞大、结构复杂的网络拥有着令人惊讶的相似之处,包括平均距离短、聚类程度高等性质,被称之为“复杂网络”。近年来,复杂网络取得了很多研究成果,从实际网络的性质挖掘发展到对于网络拓扑的建模、网络性质的分析、传播动力学分析、同步与控制等,其中隶属于传播动力学的信息传播以其重要的理论意义和实际应用价值受到了日益广泛的关注。对信息传播的深入研究表明,信息传播中的传播概率和节点均具有异质性。从传播概率角度看,信息传播的概率受诸多因素影响,不仅受到与邻居节点之间历史交互的累积影响,而且不局限于单一邻居节点的影响,受到社交强化作用即多个邻居节点的累积影响；从节点上讲,复杂网络中节点的异质性是广泛存在的,如社交网络中的节点之间存在教育背景、职业、区域、爱好等差异,本质上存在信息传播中的角色差异。本论文将以传播概率和节点异质性为分析主线,对复杂网络中信息传播展开研究,本论文的主要内容包括：首先,本论文基于传播概率的异质性,对加权网络中信息传播的进行了建模分析。有别于传统的疾病传播模型,本文首先从传播概率的异质性出发,结合链接强度、记忆特性、社交强化作用等性质建立了加权网络中的信息传播模型：然后从理论和实验两方面分析了信息传播的性能,结论表明：具有一定聚类结构的加权网络有利于信息的传播,特别是在链接强度同质时传播效率更高；链接强度的分散尤其是大量弱链接的存在,严重阻碍了信息在网络中的传播速率。进一步,为了促进加权网络中的信息传播,基于前述认识,并综合影响链接强度的多种因素包括亲密度、接触频率和时长等,本论文设计了一种基于对数化的链接强度计算方法,用以调整网络中节点间的传播概率,提高信息的传播效率。其次,本论文对于传播概率异质下的复杂网络中的关键节点识别进行了研究,提出了一种基于贝叶斯和半环传播的关键节点识别方法。有别于基于网络拓扑结构的传统关键节点识别方法,该方法不仅挖掘了节点之间的直接交互行为,同时兼顾了节点影响力的传播衰减特征,以区分交互节点的身份,应对网络结构上的攻击带来的影响。具体地,对于直接接触的节点,考虑到信息交互中的记忆特性,根据网络中个体之间的交互历史,特别是近期效应,设计了一种基于贝叶斯方法的带折扣因子的影响力计算模型,得到了个体间的直接影响力；其次针对非直接接触的个体,本文提出了一种基于半环模型的计算方法,将节点的传播路径和传播衰减性质整合,得到传播路径上的间接影响力；再次,为了降低计算复杂度,本论文根据小世界性质,分布式计算节点的综合影响力；从而准确地获取到复杂网络中的关键节点。最后,本论文对复杂网络中广泛存在的节点异质性进行了研究,提出了一种基于图信号处理的关键节点识别方法。该方法创新性地对节点异质性进行建模分析,并将节点异质性和节点在网络拓扑结构中的重要性联合起来,更加准确的识别出复杂网络中关键节点。首先,针对节点异质性,本论文根据具体的场景得到节点特性的重要程度排序,据此分配相应的系数,得到节点的综合评价,将其作为节点上的信号,联合网络对应的拓扑结构,形成了图信号；然后将图信号通过傅里叶变换到谱域,根据谱值选择主要的特征向量；最后联合主要的特征向量和节点上的信号共同计算节点的中心性,全面准确地识别出关键节点。本论文的研究成果加深了对复杂网络中异质性信息传播的认识,可以广泛适用于各种实际的复杂网络中。利用本论文研究成果可以设计网络组织结构,制定合理的传播策略,有效提高各种复杂网络中的信息传播效率。本论文对于节点异质性进行了深入挖掘,为复杂网络中进一步的网络性质分析、控制提供了帮助。