随着微博、微信、Facebook（脸书）、Twitter（推特）等网络新媒体的飞速发展,在线社交网络成为人们获得信息和传播信息的主要渠道,与之伴随发生的是各种不良舆论事件的频繁发生,网络舆论引导研究势在必行。目前,网络舆论引导主要存在如下三个方面的问题:（1）网络舆论引导中,需要依据舆论态势的发展自适应选择合适的引导策略,由于互联网的特殊性,直接在真实网络中尝试各种引导策略是不现实的,只能主观被动选择引导策略;（2）现有网络舆论效果评估方法没有解决引导效果定量评估问题;（3）现有网络信息传播预测方法无法高效预测单条信息传播的具体情况,包括信息的传播转发预测以及传播热度预测,引导帖文的传播预测性能有待提高。解决以上问题的核心是,建立有效的网络舆论引导策略仿真推演模型、网络舆论引导效果评估模型和网络舆论信息传播预测模型。本文研究网络舆论引导关键技术,主要研究成果如下:（1）研究了网络舆论引导策略选择,提出一种基于传播学原理的网络舆论引导策略仿真推演方法。首先,利用超网络模型集成网络舆论事件态势信息,形成网络舆论引导仿真环境;然后,把各种引导策略映射到网络舆论引导仿真环境中,利用传播学原理设计网络舆论动力学仿真规则,进行网络舆论引导策略仿真推演,输出负面舆情占比;最后,根据负面舆情占比,自适应选择合适的网络舆论引导策略,破解难以在真实网络环境中直接尝试各种引导策略的困局。实验结果表明该方法是有效的,有助于网络舆论引导策略的选择。（2）研究了网络舆论引导效果评估,提出一种基于模糊综合评判的网络舆论引导效果评估方法。首先,构建网络舆论威胁评估指标体系,采用层次分析法确定各层权重;其次,对网络舆论态势指标进行威胁等级模糊化,并利用模糊综合评判合成威胁等级模糊集;然后,对威胁等级模糊集解模糊化,得到网络舆论对事件主体的威胁指数;最后,利用网络舆论引导前后威胁指数的变化量评估引导效果。实验结果表明该方法能够对舆论引导效果进行准确的评估,完全吻合经验判断。（3）研究了网络舆论引导帖文传播预测,提出一种基于特征衰减强化神经网络的信息传播预测方法。首先,引入多阶邻居影响力机制,区别不同阶层邻居的影响力权值,结合网络表示方法更新用户特征表示;其次,结合时间衰减效应,构建基于特征衰减强化神经网络模型;最后,利用所构建的模型进行信息转发预测和信息热度预测。实验结果表明,该方法较基于端到端神经网络的主流传播预测方法具有了更好的性能,有助于预判引导帖文的影响范围。