微博作为一种新型网络应用,其信息传播方式兼具新闻传播和人际传播的特点,为人们自由、快速表达观点的同时亦成为一股网络舆情传播新势力,它的特殊结构和影响力使得舆情的传播速度和广度快于以前任何一种媒介。结合当前对网络舆论引导、演变、监测等需求,从两个角度对微博进行研究。　　 从宏观角度分析,将微博社区内用户抽象为网络中的一个节点,用户之间的关注关系就形成了一种新型的具有互动色彩的复杂网络模式-微博舆情交互网。通过新浪微博开放平台API计算表明这种复杂网络呈现出小世界现象并具有度分布指数不随网络规模变化而明显变化的无尺度特性。在此基础上讨论微博社区内谣言的传播模型,发现网络的拓扑结构和有效传染率能影响谣言的传播效率,有效传染率越大网络受影响规模越大,网络度分布熵越小,网络越发散,谣言越容易传播,进而从理论上提出遏制网络谣言的方法。　　 从微观角度具体分析微博内容,对其进行分类以挖掘微博社区内的热点话题和用户倾向性。获取新浪微博1413个用户十天内的微博内容作为数据源,对其进行分词、停用词过滤等预处理,通过词频统计的方式发现整个微博流中的特征集合,根据内容关联度对这个集合进行划分得到每个微博话题对应的特征词表,每个特征词表对应一个话题,超过阈值即认为热点话题。利用知网提供的语义相似度和语义相关场计算功能,将微博语句中的态度词与褒贬词预料进行相似度对比,通过褒贬倾向值计算公式获得微博的语义倾向性,从而判断微博社区用户对于热点事件的态度,分别用召回率和准确率来评价。实验证明本文提出的算法是有效的,并对导致实验误差的几个因素进行分析,为以后的研究提供理论支持。