舆论的演化受社会、经济等方面因素的影响,呈现复杂性、开放性、非平衡性等特性。因此,对于舆论演化的研究也变得更为复杂。但是目前已有的舆论模型在舆论的演化研究中尚显不足。本文针对舆论演化中的统计特征,利用复杂网络理论、统计学相关知识,基于ER网络、WS网络及BA网络等,从个体在舆论网络中的重要性特征;信任度、影响阈值、政府干预等对群体舆论演化的影响进行了仿真研究。主要研究内容与结论归纳如下:一、个体(网络节点)的重要性研究。改进以往的基于无权无向网络舆论演化研究,考虑不同个体在舆论传播中有不同重要性的情况,基于度中心性、介数中心性、接近度中心性等指标建立个体(网络节点)的TOPSIS重要性评价方法,将舆论演化研究推广到加权网络中。采用TOPSIS多属性方法,在ER网络、WS网络及BA网络三类加权网络上对演化个体的重要性进行研究。实验结果表明:在上述网络中,TOPSIS多属性方法相比于其它单一指标,对演化个体的重要性评定更加准确。二、建立基于信任度的舆论演化模型。针对目前连续舆论动力学模型中缺乏对个体信任度及影响阈值的研究。基于复杂网络相关理论,引入信任度定义方法,确定信息强度改变观点阈值。建立基于信任度的舆论演化模型。实验结果表明:当影响阈值不断提升时,舆论的演化过程会呈现出较强的趋同性。均值越大越有利于达成共识,方差对舆论演化的影响与均值的位置有关。当网络规模很大时,方差的效果则并不那么明显。实验结果在某种程度上对社会中的舆论演化过程进行了解释。三、建立动态舆论演化模型。网络结构、以及政府、媒体等外部因素的作用一直是影响舆论演化的重要因素。结合复杂网络相关理论,建立基于动态网络中的舆论演化模型,研究邻居选择比例、政府干预及网络结构对舆论演化的影响。仿真结果表明:邻居选取比例越大,持政府观点的节点数越多;当达到最大值时,所有个体的舆论会在演化中达成共识。在政府干预下,网络中的舆论走势会明显向政府舆论靠拢;随着政府影响力、影响范围的不断提升,舆论演化会以更快的速度进行。网络结构会随着演化强度的增加而改变,其演化个体的度分布不再服从幂律分布,网络自身呈现一种凝聚现象。实验结果在一定程度上解释了社会上的舆论演化过程。