随着互联网技术的飞速发展以及自由观点的深入人心,越来越多的社交平台成为舆情发布和传播的新兴渠道。微博凭借其良好的互动性和新闻传播的便捷性成为当前舆情传播的主要平台。近几年来,许多突发事件和热点话题的都率先通过微博爆料出来,越来越多的公民有意识的通过微博、贴吧等形式表达诉求、阐述民情。在微博平台的大数据背景下,面对海量的数据,如何发现舆情传播的规律、准确的识别舆情和自主的引导负面舆情向正向转变成为当前舆情研究热点。目前对于舆情引导的研究还主要集中在传播学、新闻学等学科,使用计算机方法的引导较为单一,引导观念滞后,效率低下,缺乏自动化的监督形式。本文针对这个现象,研究微博中影响舆情传播的因素、规律以及引导方法。具体工作主要有:1.根据羊群效应等理论对影响舆情传播的因素进行定义和量化。首先通过用户的转发、评论、点赞等交互计算用户在传播话题上的影响力。然后,以改进的牛顿温度冷却定律和话题中产生的交互数量对话题热门度进行定义和量化,分析舆情话题热门度和时间的关系。最后,分析微博用户发表的历史帖子与当前舆情话题的主题相似度,对话题兴趣度进行定义和量化。2.本文提出一个结合观点融合模型HK和流行病传播模型SEIR的舆情演化模型HK-SEIR来分析舆情演化的规律。首先,在观点融合模型HK的基础上增加兴趣度阈值,并在观点融合过程中引入用户话题兴趣度和用户影响力等影响舆情传播因素,分析在兴趣和有界置信阈值下用户之间观点的交互。然后,计算群体压力下用户之间观点交互引起话题传播的概率,话题热门度下用户由感染状态转换为免疫状态得概率。最后,在计算得到的概率基础上融合流行病模型构建HK-SEIR模型,分析在舆情传播过程中话题易感者、潜伏者、感染者、免疫者的变化规律。3.以舆情各生命周期的网络特征构建舆情引导式学习方法。首先,分析HK-SEIR模型的感染者I和免疫者R的密度、网络结构洞、舆情传播同质性与舆情生命周期之间的关系。然后,通过网络有效规模(ES)、网络约束系数(CT)、数据中心性(BT)以及影响舆情传播因素等构建结构洞特征参数,通过线性神经网络计算结构洞的重要性。最后,根据HK-SEIR模型感染节点密度,免疫节点密度、网络结构洞、传播同质性构建舆情网络的特征函数,并制定引导策略。通过改变负向群体中节点的观点使成长期和成熟期舆情网络加速向衰退期转变。最后,为了验证HK-SEIR模型和舆情引导方法的有效性,使用发生在微博的真实数据集进行仿真实验。实验证明HK-SEIR模型比SEIR、SIR模型更贴近真实舆情网络传播规律,也更符合舆情传播话题热门度下变化趋势及舆情个体传播的作息规律。实验还发现,在个体观点交互达到一定程度后,兴趣成为影响舆情传播的主要因素;越是负面比例高的舆情,其传播峰值也越高,舆情持续的时间也越长。在舆情引导实验中发现,改变负面传播同质群体节点的观点能够降低舆情传播峰值以及促使舆情提前进入衰退期。其中,当改变结构洞节点比例ω∈[0.2,0.3],和非结构洞节点占比ω∈[0.2,0.4]时引导效果较好,并且在在舆情成长期对舆情引导效果优于成熟期的舆情引导。