随着互联网的快速发展，以微信、微博为代表的自媒体平台成为信息发布和传播的主要媒介。舆情从现实世界转移到网络虚拟空间，一些社会突发事件或公共问题往往成为社会舆论焦点，诱发网络舆情。舆情反转是网络舆情中的一种重要现象，反转事件的频繁上演，不仅损害媒体的公信力，也造成一定的社会负面效应。目前关于舆情反转的研究多以定性分析为主，较少从定量角度研究舆情反转的演化规律。因此，运用科学可靠的技术手段分析舆情反转的内在原因及演化过程，具有重要的研究意义。
　　本文基于现实社会的个体视角，采用数学建模、计算机仿真分析、实例数据验证相结合的方法对舆情反转演化规律展开研究。首先，为分析舆情反转的观点演化过程，提出了一种观点动力学视角下基于意见领袖的观点演化模型。考虑个体异质性、意见领袖影响力及社交复杂网络等影响因素，在经典有界信任HK模型的基础上构建舆情反转的观点演化模型。运用社会网络分析法的中心性指标识别意见领袖，对意见领袖引导下的观点演化进行仿真实验并完成实验结果的分析讨论。其次，考虑舆情短文本特点，提出一种基于深度学习的舆情短文本情感分析方法。使用word2vec词向量完成文本表示，融合BiGRU、注意力机制及胶囊网络构建混合网络模型，使用中文短文本数据集完成模型的训练及测试，从多维度设计对比实验以验证模型的有效性。最后，选取新浪微博上的一则舆情反转案例进行研究，综合运用观点动力学建模仿真以及文本情感分析技术对案例数据进行整理分析，将实验结果与案例真实数据进行对比，结合现实场景对舆情反转的演化过程进行了分析讨论。
　　本文围绕社交网络用户建模分析个体间的交互规则，挖掘海量文本数据的情感信息，对舆情反转的演化规律展开研究，实验结果及案例研究验证了建模仿真和情感分析方法的有效性。论文的研究成果为相关部门制定舆论引导策略提供了参考依据，具有重要的理论价值和现实意义。