网民的情绪感染是加速谣言传播的重要因素,也是辟谣有效性的关键着力点。本文基于计算传播视角,将网民在辟谣过程中的情绪主要分为消极、免疫和积极三类,并在已有情绪模型的基础上改进了对主体情绪值和转变规则的计算方式。结合Python和Netlogo工具仿真辟谣过程中网民个体情绪到群体情绪的感染过程,以此模拟辟谣过程中网民个体情绪到群体情绪的感染过程。本文通过四组实验,设置不同的参数,对模型进行仿真分析。实验1是通过迭代情绪主体感染周期,旨在为分析不同类型的情绪主体在各个时间阶段的分布情况和动态变化;实验2,通过控制Rsr中wr、br、as和vs变量值的大小,以观察不同程度的网络亲密关系对情绪主体竞争变化的影响,以及情绪感染主体转变状态的过程;实验3是分析辟谣主体的vs和as对网民情绪值的影响;实验4是辟谣前后的网民情绪值的对比研究,主要是为了分析谣言在经过一系列的人为干预后,其情绪值大小的变化情况,即最终辟谣效果的优劣。研究结果表明:（1）网民情绪变化周期和趋势在不同时段有不同表现,但最终的分布结构呈现出一个相对平稳的状态;（2）影响网民情绪变化的因素主要源于客观和主观层面,客观层面取决于辟谣速度和公信力,主观层面取决于网民之间的亲密程度,它们都能推进对情绪感染的演变进程;（3）权威性辟谣主体的良性干预,能够正面引导网络谣言事件,公信力越高的政府媒体及时发布辟谣信息,最大程度上缩小谣言的扩散范围,使网民情绪早日回归正常水平;（4）与辟谣前相比,辟谣后人们的情绪普遍从负面情绪转变为积极或免疫情绪。最后,本文结合实际的网络辟谣案例对四组实验进行逐一验证。研究建议:（1）对于社交媒体时代网络辟谣过程的网民情绪感染可采用计算传播方法,从现实数据中挖掘细粒度的表象特征和内部关联逻辑,在时间序列化上观察和精准刻画辟谣过程中网民情绪演化过程、特点和规律;（2）重点安抚网络辟谣过程中的网民心态,尤其是带有强烈负面情绪且具有较大影响力的活跃用户。因为他们与其他用户间的互动频率且密集,所形成的人际关系网络很容易带节奏,最终形成大面积的情绪感染和群体极化现象;（3）辟谣主体在资源整合后的主动和正面干预能实现最大化遏制网络谣言。比如在公共资源有限、网络谣言危害波及范围较小或没那么严重的情况下,结合实际的经济成本和预算考虑,动用合理资源辟谣以达到满意效果。