随着移动互联网的普及以及手机终端的出现,上网门槛得到进一步的降低。同时社交媒体的兴起使得人们可以随时随地创作和分享,因此网络上涌现出了大量用户生成内容。海量的信息让平台开始引入推荐系统帮助用户筛选有用内容,推荐系统广义上分为两个方向:个性化推荐和非个性化推荐。其中推荐热门流行内容是非个性化推荐的一个重要方式。在线流行内容快速精准的发掘,一方面能帮助用户过滤掉大量无用信息,筛选出优质流行的内容,提升用户使用体验;另一方面有助于搜索引擎等第三方平台对内容流行趋势的把控和反应。在线内容的流行度往往被定义为获得的点赞数、评论数或转发数等。随着网民自我意识不断觉醒,网民在信息传播中的角色发生改变,“看评论”、“写评论”、“回复评论”已经逐渐成为一种用户习惯,也成为用户参与在线内容讨论的重要方式;之前流行度的预测研究中评论只是被用作流行度的衡量或者单纯的数据指标,忽视了评论中因为评论关系而形成的隐性社交网络,以往流行度预测研究只关注了显性网络相关指标忽视了隐性网络的作用,而根据用户之间兴趣或者行为形成的隐性网络在整体动态中扮演着重要角色。所以本文从评论隐性网络角度出发,构建隐性网络结构指标来实现对在线内容流行度的预测。本文以新浪微博为研究对象定义评论数为微博流行度,定义流行度基本不变的时间节点为稳态期,选择发布后某个早期时间节点为观察期。抓取观察期的微博作为研究对象,根据评论回复关系构建评论隐性网络。经过网络分析发现评论隐性网络是复杂网络的一种且符合“小世界”、“无标度”等特性。同时根据用户评论隐性网络互动的情况,本文挖掘了网络密度、中心节点度、网络中心势、网络平均路径四个隐性网络结构指标,验证了隐性网络结构指标和未来流行度之间的相关性。网络密度、网络平均路径和未来流行度呈负向的对数线性相关,中心节点度、网络中心势和未来流行度呈正向的对数线性相关。利用评论隐性网络结构特征扩展对数线性模型得到本文的扩展模型,扩展模型在预测能力方面有32%的提升,同时隐性网络结构指标蕴含丰富的信息,能够更加准确地预测流行度排名变化。网络结构指标所具备的实际意义对社交媒体推荐系统、评论区设计有指导意义,模型本身的预测能力给搜索引擎等第三方平台提供了新的角度来预测在线内容流行度。