本书将动力学理论引入舆情传播领域，构建不同环境下的舆情传播动力学模型，包括单信息传播SFI模型、交叉信息同步传播CT-SFI动力学模型、延迟信息传播DT-SFI动力学模型、考虑主动因素的单信息传播P-SFI动力学模型、考虑意见的单信息传播OL-SFI动力学模型、衍生信息传播D-SFI动力学模型、基于阅读量的多信息传播SRI动力学模型、基于讨论量的信息传播SDI动力学模型、基于阅读量和讨论量的多信息传播SRDI动力学模型。本书采集中国新浪微博社交网络平台数据，对真实案例进行参数估计和敏感性分析，本书提出的模型可以实现舆情早期预测功能并获取舆情关键要素，可提供有效的舆情控制与引导策略。
１ 概述 /１
１.１ 网络信息传播平台 /１
１.２ 网络信息传播模式 /７
１.３ 国内外研究现状及发展趋势 /１７
２ 单信息传播ＳＦＩ动力学模型 /４２
２.１ ＳＦＩ动力学模型 /４２
２.２ 基于转发的单信息传播指数 /４６
２.３ 数值拟合 /５０
２.４ 参数敏感性分析 /６０
２.５ 信息传播预测 /６８
３ 交叉信息同步传播ＣＴ－ＳＦＴ动力学模型 /７５
３.１ ＣＴ－ＳＦＴ动力学模型 /７５
３.２ 基于转发的交叉同步信息传播指数 /９０
３.３ 数值拟合 /９５
３.４ 参数敏感性分析 /１０５
４ 延迟交叉信息传播ＤＴ－ＳＦＩ动力学模型 /１１４
４.１ ＤＴ－ＳＦＩ动力学模型 /１１４
４.２ 基于转发的延迟交叉信息传播指数 /１３０
４.３ 数值拟合 /１３３
４.４ 参数敏感性分析 /１４２
５ 意见领袖参与的单信息传播ＯＬ－ＳＦＩ动力学模型 /１５７
５.１ ＯＬ－ＳＦＩ动力学模型 /１５７
５.２ 基于转发意见领袖参与的单信息传播指数 /１６５
５.３ 数值拟合 /１６７
５.４ 参数敏感性分析 /１７７
６ 多信息传播Ｍ－ＳＲＩ动力学模型 /１８６
６.１ Ｍ－ＳＲＩ动力学模型 /１８６
６.２ 基于阅读的多信息传播指数 /１８９
６.３ 数值拟合 /１９３
６.４ 参数敏感性分析 /１９８
６.５ 信息传播预测 /２０５
７ 多信息传播Ｍ－ＳＦＩ动力学模型 /２１２
７.１ Ｍ－ＳＦＩ动力学模型 /２１２
７.２ 基于转发的多信息传播指数 /２１６
７.３ 数值拟合 /２２０
７.４ 参数敏感性分析 /２２５
７.５ 信息传播预测 /２３４
８ 多信息传播Ｍ－ＳＲＦＩ动力学模型 /２４０
８.１ Ｍ－ＳＲＦＩ动力学模型 /２４０
８.２ 基于阅读和转发的多信息传播指数 /２４５
８.３ 数值拟合 /２４８
８.４ 参数敏感性分析 /２５５
８.５ 信息传播预测 /２６９
参考文献 /２７８
