【目的】融合外部特征與帖文本身的內容,引入文本傾向性分析表征網民對博主的支持度,識別網絡意見領袖。【方法】構建意見領袖識別模型,在潛在意見領袖提取的基礎上,引入文本傾向性分析,通過Word2Vec算法識別網絡中的情感新詞、提高微博評論情感傾向性分析的準確性,分別計算博主評論中正面、中立和負面三種情感傾向所占的比例,去除負面情感占比過重的"偽意見領袖"。【結果】與改進的PageRank算法對比,本文意見領袖識別模型進一步優化了意見領袖的排序結果,與原始微博數據更為一致。【局限】研究語料來源于"官員毆打護士"話題,具有一定的領域局限性。【結論】模型最終識別出三種典型的網絡意見領袖,涵蓋突發事件發展的全過程。