2018年5月8日人民网发布《2018年一季度人民日报·政务指数微博影响力报告》，报告指出截至2018年3月31日，政务微博规模约17.5万个，其中以‘“@公安部打黑除四害”“@最高人民检察院”等为代表的政务机构官方微博约13.6万个，以“@江宁婆婆”“@陈士渠”等为代表的公务人员微博约3.9万个。习近平同志也指出“高度重视传播手段建设和创新，提高新闻舆论传播力、引导力、影响力、公信力”。作为一个当下炙手可热的“互联网+政务”平台，新浪微博为众多的政府工作提供了信息发布、舆论引导和应急管理平台。如何快速获取热点事件发生时公众情绪和检测网民讨论的有代表性的话题，并在相应阶段做出舆论引导和补救，成为当下政府治理的重要任务之一。根据对政务微博行为的研究有：
- 对政务舆论相关的微博评论观点挖掘的研究
通过创新性地将情感分析方法和应用机器学习等经典算法于微博舆情情感分类领域，简单分类为有支持和不支持，但通常在网络上人们表达情感较为复杂，有“高兴、赞赏、愤怒、恐惧、悲伤”等等。但是当前研究对于各种情绪的识别的精度并没有达到像非文本数据集那样的高度，研究也并不是很充分。
- 对政务微博转发规模的研究
该类研究主要从政务微博用户特征、发布内容特征、发布的时间特征三个维度，提取属性特征集，通过政务用户权力层级、职能领域等刻画用户画像，构建转发预测模型，部分研究通过比较多种机器学习算法对比政务微博转发规模分类预测的性能 。
- 对政务舆论发酵不同周期的不同类型网民行为预测
有研究以LDA(Latent Dirichlet Allocation)模型方法和生命周期理论的结合应用为指导，提出研究流程和研究模型，研究在事件在萌芽、爆发、衰退三个阶段，网民对于政务微博的态度和评价，并通过关键词追踪给出相应的解决办法。