目錄：
1. 研究分支
2. 研究方法
一．研究分支
線上社交網路群體情感演化：群體情感演化是一個涉及多個領域知識的課題，其中包括傳播學、社會心理學、社會物理學、信息技術和計算機科學。目前，情感演化分析主要分為兩個分支：一個是從仿真的角度研究群體輿論動力學。一個是從機器學習的角度，分析典型事件後群體情感的變化。
二．研究方法
輿論動力學主要研究社會經濟系統中由於個體之間決策與外界公共信息的影響，人群中對某些特定事件或事物所持的不同觀點的形成（formation）和演化（evolution）等現象，包括觀點的一致性（consensus）與多樣性（diversity）保持等問題。近年來隨著複雜性科學研究的興起，研究者以社會網路和社會動力學對觀點演化建立了更深入的定量分析模型和方法，在不同學科的交叉與融合下，運用數學和物理學的建模方式，對觀點演化機制建立了一系列動力模型。例如，P. Chen 提出的投票者模型（voter model）和多數決定模型（majority-rule model）以及Guillaume Deffuant 基於有界信任（bounded confidence）假設所提出的連續型觀點動力學模型，以解釋輿論為什麼發生演化以及按何種模式演進為目標，從不同的角度解釋了人們對一個給定話題的觀點為什麼為出現統一、激化乃至分裂，揭示出許多觀點演化過程的本質特徵。
以機器學習為手段研究情感演化，主要任務是對群體情感進行計量和集結，進而分析影響群體情感變化的原因。典型研究例如Gilad Mishne 用LiveJournal上的數據確定群體用戶的情緒水平， 採用Pace回歸的方法在給定時間段預測情緒的強度，並通過2005年7月7日倫敦槍擊恐怖事件和周末飲酒習慣兩個案例，分析當前事件與特定情緒的異常行為模式之間的關係。Johan Bollen 通過收集2008年8月到12月期間的twitter文本，對大眾進行緊張（tension）、沮喪（depression）、憤怒（anger）、活力（vigor）、疲勞（fatigue）、困惑（confusion）六種情緒的心理測量。研究公眾情緒和社會、經濟等重大事件的關係：包括有記錄的主要經濟波動，如天然氣價格和股票指數；重要的國際和美國國內政治事件；受歡迎的新聞故事，如音樂或者電影偶像去世；自然或人為的災害，如地震和飛機失事等。
