近年来,众多的网民通过互联网渠道评论热点事件、反映民生状况、建言献策,网络社交平台已经成为推动社会主义民主政治建设重要途径。但突发性灾害问题、公共卫生安全事件等等,却对大家生命安全造成严重威胁、财产安全造成巨大损失。事件发生后,相关的真实消息、编造的谣言等等大量真假信息混杂,再通过社交网络平台媒体发酵,造成巨大的社会恐慌,严重的威胁了社会安全。因此,结合社交网络舆情管理现状,推进统计及机器学习方法结合应用,正确分析用户行为特征与关系,识别突发事件微博舆情文本数据的情感类别,及时了解网民的情感倾向,判断热点事件中微博用户传播影响力大小,对于有效引导网络舆情发展、维护社会稳定具有重要作用。本文将利用Python基于新浪微博开放的API平台,进行爬取与处理在微博平台上传播的有关“长春长生问题疫苗”事件有关热门微博数据及其评论数据,其中包括:微博用户ID、其微博内容、评论内容。因新浪微博API限制,又利用八爪鱼数据采集器进行用户信息数据补充,其中包括:微博博主相关用户信息（关注数、粉丝数、已发布微博数）、热门微博转发者、评论者及其相关用户信息等数据。接下来,对数据进行存储、去重、清洗等预处理工作,统计舆情发生的群体、热点分布情况,以判断实时舆情走势。从进一步采集到的用户微博数、评论数、转发数等用户关系特征入手,借助SPSS软件对数据进行相关分析,发现微博用户行为中相比于点赞、评论,转发微博更具有影响力。通过本文实例分析的微博用户关注数与粉丝数呈现了负相关关系,与之前研究发现关注数与粉丝正相关关系并非绝对正确,说明微博用户关注越多越乱无章序,反而会导致其粉丝数量的减少。针对样本文本数据进行处理,从数据集中抽取博文内容、评论内容进行中文分词、停用词过滤、特征处理等文本分析,再利用机器学习方法中的朴素贝叶斯分类器进行情感分析。其中朴素贝叶斯分类器的P、R、F值分别为84.04%、79.91%、81.93%,可以判断此分类方法是理想的。最后,运用层次分析法和德尔菲法以微博活跃力、关注力、互动力、情感导向力四个方面构建微博舆情事件实时影响力评价体系,计算出各个因素权重,综合得出在微博舆情传播过程中的用户实时影响力大小。其中发现负面情绪的传播比正面情绪传播影响力更大,且情感极性越大的微博传播影响力越大。再结合微博舆情发展趋势,以便相关机构及部门更好的控制舆情事件相关信息的传播、方便了解真假信息的影响力以及广大网友用户的真实情感,能在一定程度上提出对社交网络舆情预警具有参考价值的研究建议。