随着网络和通信技术的飞速发展,互联网成为人们获取信息、发表观点、交流沟通的重要场所。有别于传统的信息传播方式,互联网信息具有显著的超时空性、自由性、双向性和衍生性,传统舆论的数学模型显然无法准确刻画网络上信息传播和个体交互的特有属性,不足以描述和解释网络舆论传播和演进中的现象。因此,研究网络信息传播结构,以及在其作用下的互联网观点演化与舆论涌现过程,已成为信息领域、复杂系统领域和交叉学科领域的研究热点。论文基于互联网论坛用户参与话题讨论的相关数据和现象,实证分析互联网信息传播结构的统计特性,发现互联网信息传播结构具有社团耦合特性。进而,考察互联网信息传播结构下的舆论涌现过程,重点研究具有显式社团结构的观点和倾向性演化情况、具有隐式社团的动态传播结构下的影响过程,以及信息传播结构与观点互相作用的有限理性个体交互过程。论文的研究目标在于了解网络环境下的信息传播、观点演化和舆论涌现的规律,发现互联网信息传播结构特性及其对宏观舆论涌现的影响。论文的研究工作受到了国家自然科学基金项目(No.60972012)“互联网信息的聚合与观点演化机制研究”、北京市自然科学基金项目(No.4102047)、北京市自然科学基金项目(No.4112045)、高等学校博士学科点专项科研基金(No.20100009110002)、北京市教育委员会学科建设与研究生建设项目和中央高校基本科研业务费专项资金研究生创新项目(No.2009YJS007)等的支持。论文的主要工作和创新点有以下几方面：1.实证分析了互联网信息传播结构的统计特性。建立基于网络用户隐式回复行为的互联网信息传播结构,从定量的角度揭示信息传播特性和用户交互特性。分析后发现互联网信息传播结构是有向、不对称、异配的无标度网络,且具有分层性质和社团结构。实证分析对于下一步研究互联网信息传播结构上舆论涌现过程的理论建模做了基础准备。2.建立了通过固定节点耦合的显式社团结构下的网络舆论涌现模型。分别提出耦合随机网络下具有观点领袖的有界信任模型,以及耦合规则网络下包含全局推广策略的离散观点、连续倾向性模型。采用蒙特卡罗方法对模型仿真发现,两模型中增加社团耦合度,都有助于信息共享与传播,促进不同社团间的观点收敛,减弱个体极端倾向。3.提出了基于网络偶遇的隐式社团结构下的虚拟社会影响模型。研究在由网络偶遇形成的动态传播结构下的社会影响过程和舆论涌现情况,发现大的网络偶遇频率有利于信息传播和观点扩散,能够促进社团间观点统一。更重要的是,研究证明网络社团间并非一定要通过固定的接口节点进行沟通,网络偶遇同样具有社团耦合的作用。因此,在信息推广或舆论的有效传播中,社团间的接口节点的效能是有限的,需要发挥所有节点的信息推广作用。4.建模具有选择性关注行为的有限理性个体交互过程。基于互联网的隐匿性和自由性,建立了更加符合计算机中介信息传播模式的个体交互模型,探讨网络群体极化过程中的信息传播模式。研究充分考虑个体间的结构与观点的相互影响,指出了极端个体形成的条件,揭示了选择性关注与群体极化的关系,并给出了加速和减缓舆论极端化的非强制方法。