在当前互联网技术快速革新的今天,新媒体蓬勃发展融合网络用户数量的高速增长,形成了当前复杂多变的网络舆情生态环境。对比上世纪九十年代末、本世纪初以及现在网络环境来看,互联网的普及与入网用户数量激增导致各种阶层和素质参差不齐的人大量涌入网络世界,导致用户整体特征呈现低龄化、低素质化。而我国社会结构呈金字塔形,教育程度低、文明素质低的人口占比较大,所以当网络向社会全阶层普及后稀释了少数高素质人口的文明行为,导致了网络环境的恶劣化。微博作为国内最主要的社交平台,网络舆情在微博上的传播具有传播范围广、传播速度快、影响力巨大等特点,大量用户在微博平台发表其关于各类社会事件看法、观点的言论构成了微博网络舆情。因此针对微博平台中的网络舆情的形成与演化进行深度的分析有利于有关部门及时管控失范舆情发展并引导微博舆情的正确走向,对网络生态环境的稳定发展具有重要意义。舆情受众个体观点是基于个体的立场、观念、认知水平等思维模式所形成的,具有极强的主观性,在个体观点形成的过程中受其观点引导能力的影响,对社会事件抱有相似或相同看法的舆情受众会自发的协调自身观点从而形成能够体现群体智慧的群体观点,但不同的人对同一事物会有不同的感知与理解,大量持有相反看法的网络舆情受众会以其他群体观点为锚定点或判断的立足点,形成其他群体观点。在基于某个社会事件的网络舆情空间中,个体之间的交互和相互影响与演化促成了关于该事件几种主流观点的产生,这种主流群体观点的抽象概念化可以认为是一个团簇结构,即每个观点团簇是由大量内涵相似的个体观点通过引导效应形成较为稳定结构。由于观点在网络舆情空间中的聚集体可以抽象的视作为团簇结构,因此可以将具有相同或相似立场并反映出各种属性状态的大量观点聚集体视作为观点团簇。以观点团簇概念进行理论构建与实证研究对于快速感知网络舆情发展趋势以及节约网络舆情管控成本具有重要意义。观点团簇由于事件发生而形成,同样随着事态发展而演化,在时间维度上不断演化代表了网络舆情受众对事件的态度变化,大量负面观点的传播将对网络信息生态环境造成冲击,因此针对国内最大的社交平台微博舆情观点团簇的形成进行探究,对加强网络综合治理、打造清朗网络空间具有重要的理论意义。同时,对微博舆情观点团簇的演化态势进行感知有助于发现符合人民主流价值观的群体观点,对其正确有效引导符合当前党对于“建立以内容建设为根本、先进技术为支撑、创新管理为保障的全媒体传播体系”的要求,具有重要的实践意义。目前对于舆情观点团簇的形成机理与演化态势感知的研究内容较少,对于观点团簇的概念、内涵尚无明确的界定,对于观点演化的研究主要结合心理学与社会网络从微观角度与技术层面进行研究,尚无从宏观角度对观点团簇演化态势进行理论分析与感知实践。因此,本文结合传播学、信息学、情报学、统计学、计算机科学等学科为基础,依托观点动力学、演化博弈论共同探讨微博舆情观点团簇的形成机理与演化态势感知。本文将从特征、属性、内涵等方面对舆情观点团簇进行分析,剖析微博舆情观点团簇的形成过程与形成机理,并构建微博舆情观点团簇的测度模型,运用自然语言处理、情感分析、回归分析等方法对微博舆情观点团簇的极性、体量、结构、密度进行测度,作为微博舆情观点团簇演化态势感知的技术支撑,基于态势感知理论构建微博舆情观点团簇演化态势感知模型,并通过实证研究的方式验证模型的适用性与可操作性。本文希望从理论角度与实践角度展开微博舆情观点团簇形成机理与演化态势感知的深入研究,力图完善网络舆情演化监控与识别体系,并丰富网络舆情的基础理论与实践应用研究。本文的主要内容如下:第一章,绪论。本章首先论述微博舆情观点团簇形成机理与演化态势感知研究的背景与理论、现实意义,然后对网络舆情观点、观点挖掘、观点演化、态势感知进行文献梳理,总结当前国内外的研究热点与现状。最后,阐述本文研究内容、研究方法、技术路线,并总结创新点。第二章,相关理论基础。在本章节研究中,对信息传播、网络舆情、观点演化、机器学习、态势感知的基础理论进行阐述,分析其理论对本文的应用价值与实用性。第三章,微博舆情观点团簇的属性、特征与形成阶段分析。对微博舆情观点团簇进行概念、内涵与外延的界定,分析微博舆情观点团簇的特征,包括观点团簇的动态稳定、持续隐匿性、阶段演化性以及异类传播性,明确观点团簇极性、规模、信息量、引导力、热度五种固有属性,并将舆情观点团簇的形成过程分为形成期、发展期、稳定期、隐匿期,本章内容将作为微博舆情观点团簇形成机理分析的理论基础。第四章,微博舆情观点团簇形成机理分析。本章研究主要是对微博舆情观点团簇的形成机理进行剖析,基于观点动力学对观点团簇形成动因进行分析,从观点团簇五种属性的形成综合分析观点团簇的形成过程,根据形成过程的共性总结微博舆情观点团簇形成动力要素,作为微博舆情观点团簇形成机理分析的基础,最后对舆情观点团簇要素与机理关系、形成过程与机理关系及机理间关系进行阐述。第五章,微博舆情观点团簇测度模型组构建。首先明确舆情观点团簇测度的目标、原则与流程,说明团簇测度在本研究中的必要性,其次利用python语言通过情感分析、LDA模型、CNN神经网络等多种技术手段构建测度模型组对微博舆情观点团簇的极性、规模、信息量、引导力、热度属性进行测度,作为后续对观点团簇演化态势分析的数理基础。第六章,微博舆情观点团簇演化态势感知模型组构建。在本章开篇说明团簇测度与演化态势感知的关联关系,明确前文研究的必要性,基于态势感知理论分析微博舆情观点团簇演化态势感知的概念与目的,根据态势感知理论解析观点团簇演化态势感知模型组,阐述观点团簇演化态势感知的流程,随后构建观点团簇演化态势感知模型组,利用python语言通过文本相似度分析、LSTM神经网络等方法构建微博舆情观点团簇演化态势要素提取模型、观点团簇演化态势理解模型、观点团簇演化态势预测模型。演化态势感知模型是基于态势感知理论所构建的,演化态势感知的首要任务是确定观点团簇之间的演化关系,然后根据属性的类型划分演化态势分型要素并构建分型标准,将观点团簇演化态势等级分为红橙黄蓝四个等级。最后根据演化态势理解结果对微博舆情观点团簇的演化态势进行预测,将为后文实证研究提供技术手段。第七章,实证研究。本章节以“翟天临知网事件”为实证研究对象,对前文研究中的舆情观点团簇测度模型组与演化态势感知模型组进行实证测试,验证模型的有效性与适用性。第八章,基于观点团簇演化态势感知的微博舆情观点演化风险处置策略与建议。本章从观点团簇演化态势感知结果的基础上,针对红、橙、黄、蓝四个等级提出具有针对性与有效性的处置策略,针对处于高演化态势等级的观点团簇采取切断传播、源头控制等应急响应措施,而针对处于较低演化态势等级的观点团簇则采取积极引导、精准推送等长效处置手段。并根据本文研究内容结合实际情况针对微博舆情观点团簇演化风险处置过程中的存在的问题提出建议。第九章,总结与展望。本章总结本文研究内容与研究成果,分析研究不足之处以及后续研究计划。对微博舆情观点团簇的形成机理剖析与演化态势感知研究是网络舆情危机预警的前提条件,通过将多学科优势相结合,能够将微博舆情观点团簇演化态势感知应用到现实当中,为网络舆情观点演化预警与管控提供新的思路与方法。