社交媒体(Social Media)，已成为非常流行的知识共享及信息传递的媒介，每个用户都可以成为信息制造、发酵、扩散的“主宰”，自由的同时也意味着传播规范的缺失、信息传播效果的失控。对这些社交媒体信息进行分析、判断和评估，有助于传播真实、准确、正面积极的信息，抵制虚假、低俗、毁谤甚至反动的负面消极信息，这不仅保障给用户健康和谐的网络环境，对于社会的安定及和谐的秩序也有重大作用。　　本研究首先建立社交媒体信息质量评估指标体系。分析和梳理国内外针对社交媒体信息质量的相关研究的基础上，界定了社交媒体信息、社交媒体信息质量等相关概念的内涵和特点;阐述了社交媒体信息质量评估的相关理论，并据此对影响社交媒体信息质量的要素进行了分析，构建了包含信息内容、信息表达、信息效用及信息发布者4个一级指标及包含客观性、完整性、相关性、敏感性、易理解性、语言规范、有用性、时效性、信息发布者的传播力、信誉度、权威性、活跃度12项指标在内的社交媒体信息质量评价指标体系。　　其次，构建模糊神经网络评估模型。对常用的信息质量评价方法做了对比分析，确定本文所运用的模糊神经网络方法。对该方法的算法和思想进行了说明，结合社交媒体信息质量的评估指标体系创建了本文的模糊神经网络评价模型，并以微博信息作为评价对象进行实证检验。通过问卷调查，获得评估所需的训练数据，将其输入所建立的模糊神经网络进行学习和训练，调整各层神经元的权重，使所建的模型具有对社交媒体信息质量的评估能力。将待评价对象的数据输入训练好的网络，输出评价结果。　　论文将评价结果划分为5个等级，从差到优，提出了不同的监控建议。最后，论文给出了改善社交媒体信息质量的相关对策。