以Twitter,Facebook,新浪微博为代表的社交媒体已得到了广泛普及,线上线下的实时互动对虚拟网络空间以及现实行为空间造成了极大影响,拥有亿万网民的虚拟网络空间已成为与现实世界平行的另一个世界,且这两个世界相互影响和相互依赖。虚拟网络空间的数据具有表达自由,规模海量,增量快速的特点,其对现实世界的影响和冲击越来越大。然而,具有多源性和异质性的现实数据映射到虚拟网络空间时容易导致虚拟网络空间数据的价值稀疏和噪音繁杂。由于网络空间数据的不完备性和海量性抑制了事件价值挖掘工作的进一步发展,例如:事件影响时间界定、事件影响空间界定、事件多重影响力计算等。本文结合虚拟网络数据空间(Network Public Opinion Data Space,OS)和现实行为数据空间(Actual Behavior Data Space,BS)来描述与度量虚实社会中的事件;通过事件在虚实两个不同空间中运动轨迹的分析构建事件影响空间模型(Event Space Model,ESM)。在ESM基础之上,论文的主要研究工作和创新点如下:第一、通过多成员多属性聚类融合方法来发现事件的起始点,以更加全面和有效的从虚实空间来描述和度量事件。另外,由于多维时间序列的非线性联动关系研究较为匮乏,本文利用矩阵理论并结合滑动窗口来计算多维时间序列的相似度,并建立多维时间序列数据非线性相关模型以发现股票事件成员之间的联动关系。第二、通过聚类并融合事件的多维属性,从事件在虚实空间的分布范围的重叠度,以计算事件影响范围;在事件生命周期内通过计算事件影响范围,可发现事件影响范围逐渐收敛于某一区间,根据事件影响范围在时间序列的逐步收敛来,可对事件进行溯源,同时用虚拟空间的新闻来对其进行验证。第三、基于认知心理学的记忆和遗忘曲线,融合事件的记忆和遗忘特征从多个角度计算事件的多重影响力。另外,股票事件的可观察影响力和潜在影响力在虚实环境下呈现不同的运动轨迹。我们发现不同空间下可观察影响力和潜在影响力在事件的不同阶段表现为不同的相互作用关系。实验表明,本文以虚实社会中ESM研究为突破,从理论上进一步发展和完善了虚实社会空间中事件起始点的界定,事件影响范围界定,以及事件多重影响力的计算。本研究成果,可应用于虚实社会空间中事件成员的联动性发现,事件的溯源,以及事件的可观察影响力和潜在影响力关系的挖掘等方面。