社交媒体的广泛性、易用性促使着网络个体不断分享信息,降低了其在网络平台表达意见的门槛,这在促进重要信息在网络中传播的同时,也滋生了较多的问题与隐患。由于网络具有匿名性,许多网络个体出于情绪宣泄的需要,以情绪表达作为网络舆情参与的主要方式。以观点和意见为载体的情绪性信息在网络空间不断蔓延,引发情绪传播,致使网络环境下的信息传播、舆论热点朝着未知的方向发展,信息的不确定性增加,徒增网络个体的信息加工处理压力,也加大了网络舆情控制和网络空间治理的难度。本研究选取高影响力的企业热点事件引发的网络舆情作为研究样本,通过构建情绪传播预测模型,从传播主体、内容和受众三个维度探究情绪传播的重要影响因素及其影响方向。在划分舆情生命周期的基础上,通过情绪分析与主题聚类,探究情绪传播规律。结合情绪传播规律,基于情绪感染、情绪即社会信息理论、情绪的二维理论,将情绪传播分为情绪唤醒、情绪趋同和情绪传播强度三个层面,从传播主体、内容和受众三个维度构建影响情绪传播的特征集,提出情绪传播强度的计算方法,借助机器学习模型对情绪唤醒的发生、情绪趋同的发生和情绪传播强度进行预测,通过对模型进行特征重要性分析,归纳重要特征,并分析重要特征对情绪传播发生和强度的影响。本研究主要得到了以下结论:（1）情绪传播在网络舆情中具有普遍性和典型性,评论与微博的情绪表达在整体上具有一致性,但在微观层面的同质性并不明显;（2）具有较高关注数、高影响力的微博用户作为情绪传播主体时,容易引发情绪唤醒,不容易引发情绪趋同,但作为情绪传播受众时,不容易受到情绪唤醒,即便是受到了情绪唤醒,也倾向于表达与情绪传播主体不同的情绪;（3）情感丰富度较高的微博更容易引发情绪唤醒和情绪趋同,具有较高影响力（点赞、评论数较高）的微博容易引发情绪唤醒,但不容易引发情绪趋同和较高强度的情绪传播,高转发数的微博则与此相反;（4）对事件兴趣度、关注度较高的微博用户容易受到情绪唤醒,也容易引发较强的情绪传播效应;（5）探讨政治经济主题的传播受众的情绪会更明显地被煽动。本研究理论贡献:（1）将情绪传播置于网络舆情视角下进行探究,通过实证研究验证了相关理论对情绪传播的可解释性;（2）立足于相关理论和分析结果,将情绪传播细化为情绪唤醒、情绪趋同和情绪传播强度三个层面分别探究;（3）基于实际数据挖掘多维特征,借助机器学习算法构建情绪传播模型;（4）综合运用多种特征重要性分析方法,归纳影响情绪传播的重要特征,为相关研究提供了更多思路。实践方面,本研究以高影响力事件的网络舆情传播为例,归纳和分析了影响情绪传播的重要特征,着眼于情绪调控及传播内容之外的信息传播要素,为网络舆情治理提供了重要参考和全新视角。