随着社交网络的广泛应用,人们通过新浪微博、推特、脸书等社交网络了解时事热点,发表观点并交流信息,从而达到社交的目的。社交网络作为社交平台的同时,也是品牌进行网络营销的重点平台,商家通过高影响力用户投放广告,用户粉丝对广告转发扩散,最终达到推荐商品的目的。如何找到对特定广告推广能力强的用户是研究面临的挑战。为此,本文首先提出了基于特定主题的社交网络影响力评估模型,通过将PageRank和引入特定主题种子词的半监督主题模型结合,计算用户在不同主题下的影响力,从而提取目标主题下的高影响力用户;并通过引入主题交互和对用户相似度评估的改进优化了模型。模型在微博数据集上得到了验证。接着,针对恶意账号检测问题,引入了基于层次注意力及图神经网络的用户可信度评估模型,通过用户发表和转发的文本内容对用户语义特征建模,通过用户转发网络获取用户之间的交互关系,对社交网络中的用户进行特征分析,最终利用可信度评级筛选出发布谣言比例低的高质量用户;通过引入多层注意力机制提取重点词和重点微博,从而改进了模型。最后,通过基于主题模型及卷积网络的用户转发行为预测模型分析用户行为,通过用户主题偏好分布提取用户的兴趣特征,并使用结构特征计算邻居用户影响力,从而筛选得到对目标用户影响较大的邻居网络,构建局部网络特征。综合用户主题偏好,局部网络特征和可信度特征,对用户多维度建模以预测用户行为。该模型与现有的基于用户节点结构特征和随机采样邻居网络特征的转发预测模型DeepInf相比,在各个指标上都取得了更好的效果。本文从多个角度对用户进行了评估与分析,并将影响力评估与可信度评估应用到转发行为预测问题中,验证了各模型的有效性。对广告投放、网络营销等应用具有重要的实际意义。