微博作为网络舆情的主战场之一,对微博中的网络舆情进行研究具有重要意义。而微博中的大部分数据都是关于人们的日常生活,只有部分微博含有流行事件信息。因此,面对复杂多样的微博信息,如何准确地检测热点话题并有效地进行预测变得越来越重要。但目前的研究没有考虑到微博热点话题度量的复杂性以及其在社交网络中的传递问题,从而导致热点话题检测和预测精度偏低,针对突发性热点话题时尤为明显。为此,本文通过引入多维度热点话题度量模型和优化的随机森林热点预测方法来解决以上问题,并展开了相应的研究。本文取得的成果包括:1.针对突发性热点话题检测精度低的问题,提出了一种多维度热点话题度量模型。该模型首先对话题进行筛选,得到一个热点话题初始集,再融入话题热度的影响力因子,计算各个话题的综合权值,将话题的综合权值按照一定的权重与多维度热点话题度量模型进行有效的融合,最终得到一种基于微博多维度及综合权值的热点话题检测模型。实验结果表明本文提出的算法模型在对突发性热点话题的检测中,其检测准确度相比于传统算法有了较大提高,整体性能表现稳定,从而改善了突发性热点话题检测的质量。2.为提高突发性热点话题预测精度,本文采用优化的随机森林预测方法对微博热点话题进行预测,该方法根据不同特征的权重来选取特征,微博热度影响权重越大的特征越容易被抽取到,从而提高预测的准确度。最后,与两种传统算法进行了对比实验,实验结果表明,相较于其他两种算法,优化的随机森林预测方法的预测效果有明显提高。3.本文使用Java Web框架对上述模型进行了原型系统的设计与实现,采用Web页面的方式为热点检测与预测用户展示个性化的检测与预测结果。