自20世纪90年代互联网进入中国以来,移动终端技术得到快速的发展和广泛的应用。在线社交网络也凭借着它的超时空性、开放性、虚拟性等特点已经逐渐取代传统媒体,成为人们传播信息的主要载体。社交网络为人们生活提供了极大的方便,但同时也为谣言提供了传播渠道。与传统媒体相比,网络谣言更容易滋生,并且传播的速度和范围更快、更广。因此有效预测谣言的传播趋势对抑制谣言传播、营造健康的网络环境十分重要。本论文从谣言和辟谣话题传播空间的内容、结构、行为特征出发,分别在个体层面和群体层面对话题的态势变化进行建模、分析和研究。本论文的主要研究工作和贡献如下:1.在个体层面,提出一种面向谣言-辟谣信息的用户行为预测模型。首先,针对用户关系的隐秘性,设计一种user2pixel算法挖掘用户关系的隐秘性,并将话题传播用户关系网络转化为图像像素阵列。其次,针对谣言与辟谣信息对抗性,综合考虑谣言传播过程中影响用户行为的内部因素和外部因素,建立量化谣言-辟谣互影响力模型。最后,在user2pixel构建话题传播像素阵列的基础上,考虑到卷积神经网络对话题传播像素阵列的简单处理优势,并综合借鉴谣言互影响力转移矩阵,基于卷积神经网络(CNN)提出一种面向谣言-辟谣信息的用户行为预测模型。2.在群体层面,提出一种面向谣言-辟谣信息的话题热度预测模型。首先,针对话题传播空间中用户的活跃性和用户关系强弱的差异性,引入用户传播力和用户交互度,并构建双重加权的用户关系网络。然后,基于Page Rank算法设计出一种量化用户影响力的算法W-Page Rank。最后,针对谣言传播热度主要受谣言和辟谣信息早期感染群体特征的影响,本论文利用回归算法并结合早期话题特征和用户影响力,设计出一种基于用户影响力和辟谣信息的谣言热度预测模型。最后,通过清华大学团队公开的新浪微博数据集进行验证。实验结果表明,本论文所提模型和算法能够有效的预测谣言话题传播过程中个体传播行为及群体传播趋势,并且能及时发现推动谣言传播的主要用户。因此,本研究对网络舆情的引导和管控,营造健康的网络环境起到重要的意义。