微博等网络社交媒体在线服务的蓬勃发展吸引了大量用户参与其中,政务微博已经成为了公众关注社会问题、感知政治态势的重要信息来源。政府有促进和鼓励网络社交媒体产业快速发展的需求,也有规范和约束网络社交媒体行为的必要,我国向来高度重视媒体的意识形态属性及宣传教育功能。因此,如何准确把握互联网发展趋势,充分利用信息科学技术,关注网络社交媒体用户的情绪倾向和交互行为,推动网络社交媒体又好又快的发展,是政府和社会都应该思考的议题。网络社交媒体用户在社交网络上产生的海量数据,为学术界进行相关的研究提供了丰富的资料,尽管在这一热点领域已经有了一些有意义的探索,但仍不够充分。本文主要以当前网络社交媒体相关研究为基础,在情感响应理论、社会网络理论等理论的驱动下,通过实证分析和机器学习方法研究政务微博在线评论中用户的情绪表达及交互行为,具体分为三个部分:1.研究政务微博用户的情绪倾向产生机理。基于情感响应理论,结合信息丰富度理论、情绪感染理论、理性行为理论等,构建模型研究用户在政务微博评论中情绪倾向表达的影响因素,并探究性别的调节作用。实证结果表明,信息更丰富、情绪更积极的政务微博信息会收到更多用户的积极评价,社会活跃程度更高、历史发布情绪倾向习惯更积极的用户在评论其他推文信息时更有可能表达积极情绪,女性用户更容易受到信息层面因素的影响,而男性更容易根据自己的特质,理性地表达情感。微博服务提供商可以参照研究成果考虑实施性别差异策略来提升用户在线评论的积极情绪,例如针对女性用户采取更丰富的信息策略,针对男性用户的宣传内容可结合其过往兴趣。政府可以通过了解公众用户的在线情感表达机制而受益,例如可以使用更多的话题标签来引导用户情绪的表达。2.研究政务微博用户的交互行为产生机理。基于社会网络理论,结合社会学习理论、同质性理论、社会资本理论等理论,构建了ERGM研究模型,探究用户在政务微博中交互网络形成的影响因素。研究证实了互惠性、传递性、同质性、社会资本、情感对用户之间以评论/回复为代表的交互网络形成的影响。微博服务提供商和管理部门可依据研究结论采取适当的行动或政策引导政务社交媒体用户交互网络的形成,例如可以通过拥有较高社会影响力或较高社会活跃度的用户吸引更多的普通用户参与,可以通过建立基于兴趣的用户群体激发用户的交互意愿并提升政务微博平台的参与度,还可以通过发布一些热点事件信息或者设置一些特殊话题(如具有争议性的社会现象/问题)吸引用户参与讨论。3.实现对政务微博用户交互行为及情绪倾向的预测。采用机器学习算法实现了对用户情绪倾向以及以评论/回复为代表的用户交互行为的预测。研究发现:利用微博信息和用户历史发文信息的Doc2vec词向量特征、微博信息特征组、用户特征组使用多层感知机方法能实现对用户情绪倾向以及以评论/回复为代表的交互行的预测。另外,本文还通过对比实验验证了神经网络模型的有效性。微博服务提供商、企业管理者、公共部门管理者在运营网络社交媒体平台时,可以参照本文研究结论对平台发布的推文信息进行用户情绪倾向以及交互热度预判,从而提升管理和服务效能,对公共政策制定实施以及完善政府部门对网络社交媒体管理优化具备非常重要的意义。