计算机病毒传播、社交网络舆情扩散以及广告宣传等信息传播问题的研究具有重要的理论价值和现实意义。由于早期难以获取大规模网络实证数据,网络研究侧重于理论和模型分析,尤其突出对传播临界阈值和网络结构影响的研究,而对具体的传播过程分析不足。本文采用系统科学和数据挖掘的思路、理论和方法,结合真实网络数据的传播过程,分析动态的传播问题。本文将从以下两个部分来展开具体的研究。第一部分分析真实在线社交网络中的节点重叠影响力问题,并研究传播过程中节点影响力的变化趋势,为传播的预测和控制提供参考。具体地讲,首先根据网络的拓扑重要性来刻画节点影响力,以此作为高影响力节点的选择标准。接着从多节点之间的综合影响力的角度出发,提出一个刻画综合影响力的指标,并设计了一个选择多个重要节点的高效算法。实验结果表明本算法选择的传播源节点在数量较少时优先选择单个高影响力节点,而在节点数量较多时有更大概率选择低影响力的节点。并且发现被选择的关键节点在网络中分布比较稀疏,有较高的平均距离以及低相似度,有效的降低了节点之间的重叠影响力,提高了多传播源节点的综合影响力。同时,本文在四个真实网络数据集上模拟了信息传播过程,验证了该方案的可靠性。第二部分主要研究真实签到网络中的动态信息传播过程。通过分析两个真实签到网络中具体的传播事件,发现信息的转发概率(传播概率)呈现先增大后减小的变化,与传统模型中的常数传播概率不同。同时,传播概率和传播速度(单位时间被转发的次数)的峰值存在明显的延时效应。为了验证这一延迟现象,本文提出改进的SI传播模型,理论分析了延迟效应的合理性,并且在模型网络BA和ER网络上的仿真实验重现了这个延迟效应。