近年来,社交网络平台成为舆情发酵和爆发的主要阵地,众多突发事件和热点话题在微博上引发轩然大波,也有更多网民通过社交平台来表达诉求。部分事件由于涉及政治、民生等话题,短时间内能在网络中引起巨大轰动,此类事件如果不及时发现并及时处理可能会给政府和媒体带来极大的负面影响,严重时还会影响社会稳定。舆情的爆发与参与其中的公众关系紧密,由于个人的观点在网络中自由地表达,同时和其他网民进行了充分交流,使得舆情传播的范围扩大,因此,需要对舆情事件的发展趋势进行提前预判。舆情是由用户观点驱动的,所以研究网络中舆情事件参与者的观点演化趋势十分重要。本文中使用观点动力学模型对网络中用户观点进行建模,考虑了社交平台上能够影响用户观点的多种因素,探究了这些因素对观点演化的影响。首先,提出了基于从众心理和单一社会感知的观点演化模型（CSOD）。与以往运用于复杂网络的观点动力学模型不同,它针对社交网络平台中的观点演化问题。模型拓展了经典HK（Hegselmann-Kraus）模型,考虑人因从众心理而感到有压力从而表达与公众观点相似观点的情形。此外,解决了以往的观点动力学模型缺乏对使用环境的针对性问题,本文结合社交平台的特性,根据用户的反馈行为:提及行为、转发行为、评论行为作为用户的社会感知,并且根据社会感知来获得用户之间的影响权重。还考虑了用户的个体惯性,这是个体的内部属性。采集真实的社交平台上的数据进行仿真实验,并且通过仿真实验验证了模型的可用性,发现社会压力在一定情况下可以促进共识的形成,而用户的个体惯性则不利于观点收敛。并且使用了真实的案例对模型的准确率进行度量,证明本文提出的模型能够进行定性预测,能够为决策者了解群众态度提供帮助。其次,提出了基于从众心理和多因素社会感知的观点演化模型（CMOD）。考虑到社交平台上用户之间影响的多样性,对提出的基于用户反馈行为的社会感知进行了改进,充分考虑了用户相似度、用户全局影响对于用户观点演化的影响。受到“物以类聚,人以群分”的影响,从个体的属性和兴趣两方面来衡量了社交平台中用户的相似度,并且利用用户在网络中的信誉度、社会地位来衡量用户的全局影响。从反馈行为、相似影响和全局影响三个方面来度量用户间的影响权重,改进HK模型,建立了CMOD模型。通过仿真实验证明了模型的可行性,并且将CMOD模型与CSOD模型进行了对比,证明了当置信半径较小时CMOD模型能够更有效地促进观点聚合。通过实例证实了CMOD模型在定性预测上的准确率大于CSOD模型。