微博,微信,Twitter等一些社交网络工具的普及,为人们提供了信息获取、交互、传播的有效平台。因这些在线社交网络平台具有实时性,匿名性等特点,一些由极端观点演化引起的群体事件对网络甚至社会环境造成了一定的不良影响。因此,使用科学的手段去探究因观点交互引起的群体行为形成机制,从而尽可能地减少因不实话题造成的损失,这具有重要的研究意义。目前在社交网络群体行为研究领域,大多数研究从社会心理学或观点动力学角度出发,通过对个体心理特征建模探究对其行为的影响进行定性分析或者建立或改进经典观点动力学模型对群体观点演化进行定量分析来研究社交网络中的群体行为形成机制,并取得了一定的进展,但仍存在着以下问题:1)目前有界信任模型大多研究观点相近的个体之间进行观点交互,而现实生活中,如果两个人的观点差异较大但关系较为亲密的话,也会考虑彼此的观点。因此,考虑个体间的亲疏关系对观点演化产生的非均匀影响是需要研究的问题;2)目前大多数工作在研究群体观点演化过程时,将社交网络中的所有个体简化成在同一个群体中。但是在现实社交网络中,一般由于个体特征属性不同,群体内部通常会形成不同的集群结构,但目前对群体内部不同集群的影响力对整个群体观点演化影响的研究鲜有涉足。针对以上问题,本文受到物理学引力场的启发,提出了基于引力场的群体行为生成模型,以及相关的理论与计算方法:分别从微观上分析集群内部不同个体间的引力在个体观点交互过程中的影响以及从宏观上分析群体内部不同集群间的影响力在群体观点演化过程中的影响,通过相关参数数值模拟,在不同的现实网络结构上进行实验,研究在线社交网络中集群/个体间的观点交互以及群体行为形成规律,探讨社交网络群体行为聚集现象以及相关影响机制。本论文的主要工作包括:1)提出一种基于个体间引力的集群内部观点演化模型。根据现实生活中个体间的观点交互方式对有界信任模型进行拓展,完成对社交网络中的集群内部个体观点演化过程的建模。首先,设置集群内部的个体初始观点以及信任阈值,根据个体的信任阈值和其网络拓扑结构信息,拓展个体的观点交互集合;然后,利用Adamic-Adar算法计算个体间的相似度来计算个体间的影响力,构建出个体间引力矩阵;最后,在所提模型上进行集群内部个体的观点演化。2)提出一种基于引力场的集群间影响力的算法。首先,根据网络拓扑信息和节点属性,对各个集群的源影响力进行计算。然后,对各集群的源影响力进行降序排序,根据影响力大小将集群划分为观点领袖集群和普通集群两种类型,类比引力场库仑定律计算观点领袖集群与普通观点集群之间的影响力,构建出集群间的引力矩阵。3)综合以上所提算法及模型,提出一种基于集群间影响力的群体观点演化模型。以集群为基本研究对象,研究集群在两种不同的影响环境(场内力,场外力)下群体内部各个集群观点演化情况,最终得到在不同影响环境下群体的观点演化情况。最后,在不同的真实拓扑结构上模型进行实验,验证本文所提模型的可行性。