群体在虚拟空间中的活动,即是群体成员在其直接性、经常性的共同交往活动中所形成的较稳定的规范或精神,如群体利益、群体需要、群体意见、群体目标、群体规范等,群体是个体参加社会活动的介体,群体对个体的行为产生着直接的影响。随着互联网和社交媒体的快速发展,互联网为群体表达自己的观点提供了便捷的基础,网络舆情信息与现实交易行为呈现出越来越高的融合趋势,互联网从一个简单的信息发布技术平台演变成为社会化媒体的主要载体,成为一个交互式的信息发布、共享、交流与协作的社会化网络,极大的改变了人们观察社会和经济的方式。群体活动的发生是存在于一定的公共空间内的,没有公共空间的存在,就不会出现群体活动,网络社会作为群体活动的直接基础,随着群体参与性的不断提高,人们不再是被动的接受知识,而是主动地发表各种观点和评论,这些观点和评论不仅可以实时表达人们的真实想法,而且还可以通过影响受众者的心理进而改变现实世界的活动。虚拟网络社会群体活动主要表现在群体认知、群体心理、群体互动、群体态度等方面。目前,研究学者主要利用网络舆情信息中的关注度指标来作为群体在虚拟空间中活动的反映,但是对于虚拟空间中网络舆情信息和对应交易空间中交易行为隐含的内容则表达不足,使得虚拟空间中网络舆情信息与对应交易空间中交易行为的融合度虽被屡屡提及却鲜有实证研究。为了解决上述问题,本文以金融市场为背景选取现实社会中的股票交易行为数据以及与股票相关联的虚拟空间中的网络舆情信息作为研究对象,分别基于虚拟空间群体关注提取网络舆情空间和现实交易行为的数据语义构建现实交易行为数据语义空间来研究虚拟空间与对应交易空间在不同时间段内的融合度。一方面,提取虚拟空间中群体所发表的网络舆情信息,群体关注行为等构建网络舆情空间,分析群体发表的网络舆情信息包含的情感倾向,提取群体在网络舆情空间中的关注活动,将网络舆情空间中的股票按照群体关注进行向量化表示,并给出股票在网络舆情空间中的表示方法,构建网络舆情空间复杂网络,结合信息及用户群体在网络舆情空间中的影响力特征把群体的情感倾向按照一定的时间粒度划分构成群体在网络舆情空间中的情感倾向序列;另一方面,对现实交易行为数据进行数据语义提取,基于现实交易行为数据语义空间的基础上来构建交易行为复杂网络,分析其与网络舆情空间复杂网络之间在不同时间段内的融合度,印证了群体在网络舆情空间的活动与现实社会中的交易行为间的一致性;最后结合网络舆情空间及现实交易行为数据语义空间对群体的交易行为作出分析及预测。论文研究的主要内容和创新点如下:(1)针对网络舆情空间中信息所包含的情感倾向,提出一种基于字符的长短期记忆卷积神经网络,该方法利用卷积网络确定字符间的结构关系,利用长短期记忆构建字符间的上下文关系,不需要考虑信息本身的语法结构及语义特点,提高了网络舆情空间信息情感倾向分析的效率。(2)基于群体在网络舆情空间中的关注活动的基础上研究股票在网络舆情空间中的量化表示,结合自然语言处理的词向量模型提出一种股票向量化表示方法,该方法利用群体在网络舆情空间中对股票的关注序列,基于时间相关性和空间一致性对股票在网络舆情空间的向量化表示进行构建和分析。(3)在现实交易行为数据空间的基础上,对群体在现实社会中的交易活动进一步划分为现实交易行为信息空间及现实交易行为数据语义空间,提出一种依据上下文关系的现实交易行为数据语义提取模型,该模型将现实交易数据映射到高维语义空间,实验结果表明算法在映射过程中有效的保证了原始数据时间与空间关系。(4)系统性的印证了中国A股中虚拟空间与对应交易空间的一致性。基于股票在网络舆情空间的表示及现实交易行为数据语义空间的基础上研究构建网络舆情空间复杂网络与交易行为复杂网络,在此基础上将群体在现实社会中的交易行为与网络舆情空间中的活动的融合度关系转变为网络舆情空间复杂网络与交易行为复杂网络的相似性度量,通过实验系统性的印证了中国A股股市中网络舆情空间与现实交易行为的一致性。(5)针对现实交易行为的时变性与不可预测性,提出一种基于长短期记忆的群体行为预测模型以及一种基于数据模式的群体行为自适应分段方法。实验结果表明本文所提出的预测模型能够有效的结合群体行为中存在的长短期记忆对群体的行为作出预测,其次本文所提出的群体行为自适应分段方法结果稳定性强,可以有效的找到网络舆情信息与现实交易行为的映射关系。