社交网站是网络霸凌的频发场所，且由于社交网站的开放性、即时性等特点，基于社交网站的网络霸凌逐渐演变为一个持续且动态的过程。随着网络霸凌的演化，其影响的大小、程度和持续时间都会对受害人造成更加严重的损害。为了可以将理论机制和实际防控操作有机结合，真正使本研究可以有效地防控网络霸凌动态演化带来的严重性影响。本研究主要应用实证模型+机器学习预测的方式，在了解网络霸凌演化机制的基础上，通过预测网络霸凌演化的严重程度对需要防控的网络霸凌事件实施基于理论指导的防控策略。
　　在实证模型中本文基于启发式系统模型(HSM)，并添加时间作为调节变量来构建模型进一步解释动态的影响机制。本文从国内最大的社交网站——新浪微博收集5个真实网络霸凌事件的客观数据。实证结果表明，来源吸引力对网络霸凌的演化有正向影响作用，信息客观性和信息量都负向影响网络霸凌的演化，随着时间的发展，信息量和来源吸引力对于网络霸凌演化的影响作用将减弱，而客观性对于网络霸凌演化的影响作用将进一步增强。同时在实证研究的基础上，本研究使用XGBoost算法、支持向量机(Support Vector Machine，SVM)算法和梯度提升决策树(Gradient Boosting Decision Tree，GBDT)算法构建分类器模型，精准地预测网络霸凌演化程度。
　　本研究从动态的角度出发，对网络霸凌的动态演化机制进行了研究，丰富了网络霸凌领域的理论应用和实证基础。同时结合机器学习算法在机制探究的基础上拓展到实际应用场景，为平台和个人减弱网络霸凌的风险提供了基础。