流言在社会生活中是无处不在的，随着时代的发展和通讯技术的提高，流言的传播也将越来越快，同时对社会的影响也会越来越大。因而在社会网络中流言影响下群体观点的演化分析吸引了众多学者的关注。近些年来，人们基于Gossip算法做了深入的研究，并将算法应用到其他网络中。本文结合社会中实际情景基于Gossip算法提出新的观点分析模型，并从网络拓扑结构的角度出发，探讨群体一致性观点形成情况与演化过程。　　根据Gossip算法的特点，本文针对观点一致性形成的影响上分两部份来研究观点演化的趋势。　　第一部分我们主要是探究社会网络下一致性形成，首先，我们结合社会实际情形，考虑存在沟通限制、信息交流过程中相互间的影响不是固定的以及没有明确的网络拓扑结构。其次针对上述问题，我们通过概率量化来表示沟通限制，在算法中添加时变影响因子，并探讨是否有更广泛而明确的网络结构。最后我们得到基于弱连通的随机网络结构下，群体观点几乎处处意义下能达到一个动态共识，并且在时变影响因子满足一定条件时，动态共识的期望将达到潜在社会共识，即初始观点平均值。同时我们可以估计动态共识与潜在共识之间均方误差是有上界的，以及上界随时间变化的收敛速度。　　第二部分我们深化上部分的研究内容，将进一步考虑更多的社会因素融入算法中，并将探究信任选择和偏见情形下的影响，以及存在沟通、理解存在局限性下，群体观点一致性能否形成以及拓扑结构需要满足什么样的条件。最后，我们证明即便在强连通随机网络中，群体一致性观点是无法达成的，但是长期群体期望的观点将到达一个稳定状态，并且每个个体的观点均值也将均方收敛到该状态。同时，得到在不考虑偏见影响下，一致性还是可以达成的。影响矩阵满足对称关系时，稳定状态将与信任选择概率无关。最后为深入研究相互信任，在不考虑沟通限制下，添加时变的概率选择，并得到时变概率满足的条件以实现一致性观点。