随着互联网的发展,大数据时代的来临,人们获取信息的方式更为方便。网络的便捷性让人们获取信息的渠道不再拘泥于报纸、广播和电视等传统媒体,信息由单向传播逐步向双向传播发展。同时,社交平台用户使用率的提升,让人们的交流也更加便利,网络已成为人们发表自身看法和观点的主阵地。与传统媒体相比,网络具有的更开放、更丰富、更迅速的特点可以让舆情在大众之间进行传播,并在很大程度上影响着舆论导向,给我国舆情管控带来全新的风险和挑战。同时,随着我国网民数量的增多,舆情事件产生的数据量已呈井喷式增长,由此带来了更先进的大数据分析技术,将网络舆情的研究与大数据相融合是舆情研究领域一项新的挑战,具有重要的理论和实际意义。本文在大数据背景下对网络舆情的演化和传播进行模型构建和分析。在网络舆情演化方面,通过结合复杂网络,改进Deffuant模型,加入了有向边的权重值来作为交互的影响因素,考虑意见领袖的出度,来对网络舆情演化过程机理进行分析。研究发现,群体中平均节点度的增大,对于演化后观点簇数量没有太大的影响,在一定的度值内可以加快个体观点聚合速度,使群体中观点分布更加明显,有利于小范围观点的统一;群体有较大的亲密度时,观点更容易达成统一,同时,意见领袖在群体观点演化中起着关键性作用,对于群体的聚合速度、观点统一有着较大的影响,如果意见领袖的观点分化严重,会引起大量个体的观点有所偏移。在网络舆情传播方面,通过结合BBV网络模型,在此基础上加入三角连接,使得原有网络模型具有可调节聚类系数这一特性,并引入经典传染病SIR模型,通过节点之间边的动态权重值来决定网络中三种状态之间的转换概率,以此对网络舆情传播过程机理进行分析。实验中构造的基于可调节聚类系数的BBV网络SIR模型具有一定的可靠性,节点度分布、点强度分布和边权分布整体上满足幂律分布,通过调节三角连接概率值的大小可以直接影响网络模型的聚类系数。最后以“鸿茅药酒声誉损害案”这一典型食品安全网络舆情事件为例,利用本文提出的舆情演化传播模型,对事件的演化和传播分别进行了分析,验证了模型的有效性。本文的研究可为我国舆情分析和管控提供决策理论支持和参考。