随着世界经济和社会的高速发展,投资的渠道越来越丰富,证券、基金、债券等新兴投资工具在世界各国大规模流行,为抢占投资先机,人们不断寻找更多挖掘投资市场一线消息的渠道。金融在线社区的兴起能够很好的满足人们迫切的需求,它将投资爱好者聚集在一起,提供网民交流、分享的平台。但是与此同时,在线金融社区也容易成为监管洼地,网民发帖门槛过低,网络舆情经过层层发酵,可能会偏离事实,向消极的方向发展,不利于社会稳定。因此,在舆论发酵前优先识别出可能发展成热点的用户生成内容,聚焦定位并精准监管和引导,对净化网络舆情环境有重要意义。本研究内容共分三个部分,具体如下:一是用户生成内容关注度特征构造。结合金融在线社区特点及用户行为,从内容特征、用户特征、社交网络结构特征三个维度,定性挖掘影响用户生成内容关注度的因素,并结合LDA主题挖掘、情感强度分析、Jaccard相似性等多种理论及技术提炼并构造出UGC质量、UGC关联主题热度、UGC情感强度、用户影响力等多个特征,将定性因素转换为定量指标,在实验中对不同维度的特征因子组合并进行模型训练横向对比,总结特征组合对用户生成内容关注度的影响;二是用户生成内容关注度预测。本论文将用户生成内容关注度预测看作为基于多元特征的二分类问题,同时考虑金融在线社区中用户关注度是社区用户长期、共同作用下发生的概率性事件,创新性的提出多元特征的采样时间点应根据特征性质决定,对于流行主题检测等因素需要基于历史规律,选择T时段的历史采样时间点,对于UGC质量等实时检测特征,选择T+1（预测时段）的采样时间点,使用四种分类模型（SVM、决策树CART、Bayes、LR）分别分类预测,根据预测结果归纳出最适合应用于用户生成内容关注度预测的研究方法;三是用户交互关系的研究。基于社交网络结构,深挖用户之间的交互关系,创新性的提出构建以用户评论关系为基础的有向社交网络,以达到过滤非活跃用户及消除“水军”用户干扰的目的。基于此研究结果,进一步挖掘高权威节点以及对生成内容关注度发挥关键作用的高影响力节点,并按照“逐步缩小,精准放大”的策略,提出一种基于用户行为及交互关系的社区“水军”检测方法,为社区的舆情监测、流量控制提供有效依据。