本文从系统结构决定系统功能的角度,利用复杂网络的研究方法对网络舆情的传播规律进行了实证分析和理论研究。随着互联网和信息技术的迅猛发展,网络作为信息发布和传播的载体对舆情和谣言传播的影响越来越大。信息技术的发展为人民生活带来便利的同时,也为谣言和与公共安全相关信息的传播提供了便利的途径。由于网络信息具有动态、交互性等特性,很难对网络信息的传播规律进行定量刻画。复杂网络作为新兴的对复杂系统进行定量描述的工具,可以对复杂自适应系统进行建模和分析。如果把在线社会网络系统中的“个人”和“关系”分别抽象成节点和边,那么可以利用复杂网络理论对在线社会网络的结构对于网络舆情传播的影响进行定量分析和研究。首先,收集了具有三百五十四万用户的Livejournal在线社会网络数据。将用户定义为节点,用户之间的朋友关系定义为边。实证统计发现Livejournal网站的在线社会网络具有与小世界网络和无标度网络完全不同的结构。该网络由很多星型网络结构组成,而且星型结构的核心节点彼此相连,其入度分布近似满足齐普夫定律,并且稀疏度随着网络规模的扩大而线性增加。利用经典的具有独立更新机制的舆情传播模型,我们进一步研究了该网络对于舆情传播的影响,数值模拟结果发现Livejournal网络中所有用户意见变化之和会很快达到非常小的程度。也就是说Livejournal网络的结构特性非常有利于舆情传播。舆情传播的速度大大超过小世界和无标度网络。进一步,细致研究了全局中心节点和局部中心节点的控制对于网络舆情引导的作用。数值结果发现局部中心节点的控制对于加速或延缓舆情传播的作用并不明显,只是使得系统的演化更加趋于平稳,同时使得系统所有节点的意见趋向于局部中心节点的意见。进一步的模拟发现控制全局中心节点的意见可以大大延缓舆情传播的速度。其次,对经典舆情传播模型进行了理论解析和数值模拟。引入用户相互影响概率。假设每个用户在与其邻居进行交流的时候,并不完全相信或采纳朋友的观点,而是以一定概率接纳朋友的观点。理论分析和数值模拟发现规则网络中持有不同观点的人群规模比例总会维持在一个稳定水平,而只有对特定的接受概率水平,随机网络中的不同观点才能共存,否则所有的人都会持有相同的意见。进而我们假定模型中存在第三类人群,除了坚持自己观点的两类人群外,还包括可以受邻居影响的人群Z,其中Z类人在与其邻居进行交流的时候,以概率λ接纳朋友的观点。解析分析和数值模拟发现格子网络中持有各种观点的人数比例与初始状态x和Y人群所占的比例有关,而与交流概率无关。而对特定的网络存在特殊的参数也可以使得系统达到平衡状态。第三,基于链路预测理论的舆情传播模型研究。利用物质扩散理论和热传导理论,构造了准确性和多样性都非常好的链路预测算法。将链路预测算法应用于Livejournal网络中的链路预测。本文收集的Livejournal数据只是全部网络的一个子集。因此,基于链路预测理论的舆情传播模型能够发现更接近实际的传播模式。实证研究发现,加入链路预测后的在线社会网络具有更加快速的传播速度。核心节点之间的沟通作用对于舆情传播的影响非常巨大。进一步的研究发现,降低核心节点的影响力会小幅度加快意见传播的速度。