21世纪是一个信息爆炸的时代,每天都会有无数的信息产生与传播,特别是随着互联网技术的发展与自媒体技术的应用,参与信息传播的个体增多,信息传播的范围变大。与此同时,信息传播的方式也在发生变化,以前大众只能接收来自固定媒体的信息,如电视、报纸等,而现如今大众可以通过网络来获取自己感兴趣的信息,所以影响信息传播的因素也变得越来越多样,越来越复杂。因而研究信息的传播,特别是研究特殊因素对信息的传播有着深远的意义。随着复杂网络理论的研究成果越来越多,各学科的学者们也将复杂网络应用到相应领域,许多问题都有了新的解决方案,比如传染病传播动力学方程的建立,金融股权分配问题,信息和谣言传播规律的研究,都是基于复杂网络理论而提出的解决方法。本文在已有成果的基础上,研究了邻居节点之间的某些耦合关系对于信息传播的影响,建立了更加符合信息传播规律的网络模型与传播模型。本文的内容主要包含以下两个方面:(1)基于人们对于信息的记忆能力,为网络中的节点赋予记忆能力,通过多轮次的信息传播训练,构建具有记忆性的网络模型,再基于机器学习中的无监督学习,构建具有记忆-聚类能力的信息传播模型。人们对于某一类信息的记忆,会使得人们在再次遇到类似信息时会对其更加关注并主动参与其传播,这就使得信息传播速度更快,传播范围也更广。我们在无记忆性网络(BA无标度网络和WS小世界网络)和具有记忆性的网络中进行对比实验,发现基于历史记忆的信息传播的传播效果更好,也更符合现实规律。(2)影响信息传播的因素中,邻居节点的影响是最直接且最有力的。我们将邻居节点的影响力抽象为吸引力,通过研究不同状态邻居对于被吸引节点的影响,可以发现信息传播与邻居节点之间有着密切的联系。在真实的信息传播中,不仅一层邻居对信息传播有着直接影响,有时二层邻居对于信息传播也起着重要的作用。通过上述分析,我们借鉴万有引力定律,构建了以临界值模型为基础、以泊松模型为影响因子的含有邻居节点吸引力的信息传播模型,同时研究了一层邻居节点引力和二层邻居节点吸引力对于信息传播的影响,通过将实验结果与“‘视觉中国’图片侵权案”和“斯里兰卡恐袭案”这两个真实案例的传播情况对比发现,含有一层邻居节点引力的信息传播模型的实验结果与参与信息传播人数少的实例(“‘视觉中国’图片侵权案”)传播情况相符合,而含有二层邻居节点引力的信息传播模型的实验结果更贴近参与信息传播人数多的案件(“斯里兰卡恐袭案”)。