随着Web2.0时代的到来,信息技术的普及,改变了人们的思想和行为,同时也给社会公共事务管理带来了新的挑战。从网络舆情视角来看,伴随着我国社会民主化进程的推进,民众的参政意识正不断增强,网络用户对现行政策的认知倾向可反馈出大量隐性信息,促进我国公共政策的制定与评估。但是,我国现有的公共政策预测研究多集中在政策评价指标体系探索、舆情演化趋势研究、主题观点分析三个方面,很少有文章对政策舆情倾度的发展进行探析。鉴于此,本文构建了基于社会化媒体的公共政策舆情支持度预测模型,将大众对政策的态度变化看作一个随机过程,使用微博在线评论文本作为实验数据,探求民众对某一政策未来的支持度倾向。具体来说,模型由两部分组成:第一阶段,通过政策舆情支持度判断模型生成预测模块的社会化参数,避免以往研究由于主观参数设置造成的误差。该阶段首先建立了政策目标、对象、方案、效果四个评价维度,并从数据情感分析的角度出发,利用领域框架语义词典、政策评论主题词词典识别微博的政策维度,来构建单条文本的政策评价向量,最后使用两种权重测度方法合成公众对政策的最终舆情支持度;第二阶段,利用马尔科夫理论对预测模型进行实现与改进。该部分首先结合用户社会化影响力对原始舆情数据进行更新,并以时间为序列进行统计整理;其次采用遗传与二次规划组合算法对状态转移矩阵求解;最后利用动态误差补偿公式修正预测精度,寻求系统的迭代平衡点,并对Matlab仿真结果进行讨论。为验证模型的效用性,文章最终选取“延迟退休”这一既定政策为案例进行实证研究,实验结果表明:首先,经现实政策走向比对,文中提出的预测模型可有效统计未来民众对延迟退休政策的网络情感倾向;其次,在预测阶段,相比采用单一遗传算法的求解思路,文中提出的组合算法及补偿公式可提高实验预测精度;最后,经案例分析可知目前公众关于延退政策的非异议性比例较低,存在较大的政策风险,政府需不断协调政策事前评估的各项工作,以确保其顺利推行。同时针对该政策现行构想及我国社会化媒体舆情监管工作,本文提出了若干建议,希望对日后政策领域的舆情研究做出些许贡献。