随着信息技术的发展,在线社交网络已经成为信息传播的主流平台,它促进了多种形式的信息的快速和大规模传播。社交网络的发展经历了快速的变革,微博和微信是近期国内比较流行的在线社交工具,数亿级的用户通过发布、评论、回复、转发等行为产生巨大的用户数据,并在网络中迅速传播,使得不同领域不同兴趣的人们可以很容易的接收到各种信息,信息共享得到很好的实现。因此,消息传播机制研究具有重要的现实意义。在消息传播概率建模方面,本文研究了考虑消息传播者特征、消息接收者特征、传播者与接收者好友关系特征、传播信息特征、传播者信息特征、接收者信息特征等六个因素的信息传播概率模型建模,采用贝叶斯逻辑回归的机器学习方法,进行数据集的训练和参数估计,基于新浪微博的数据集仿真模拟,建立符合新浪微博现实网络的信息传播概率模型。信息传播概率模型的建立有利于与独立级联模型、线性阈值模型及竞争性结构化模型相结合,建立更符合现实规律的信息传播模型。在信息传播影响力最大化研究方面,首先描述经典的影响力最大化问题,并介绍相应的解决算法和衡量标准。然后,结合现实传播现象的特点,提出了引入成本的自适应影响力最大化问题,不指定种子集数目自适应的选择传播种子结合,达到影响力最大化的目的。同时,针对竞争消息传播的现象,进行了竞争影响力传播最大化的研究。本文提出了基于影响力收益极值性的M-based算法,与传统的蒙特卡洛贪心算法进行对比。采用新浪微博的用户数据,进行了多消息竞争传播的影响力最大化选取种子节点实验仿真,验证了 M-based算法一定程度上的高效性。最后统计分析种子节点的度分布特性和平均距离特性,为种子节点的选取提供了参考性建议。