网络设施的完善和移动互联网的普及使得人们能够便捷地通过社交媒体发布和获取信息。社交媒体已经成为事件传播的重要渠道。对社交媒体中的热点事件进行发现和分析,有助于研究人员了解事件的发展趋势,为相关部门舆情干预和引导提供数据参考。与新闻文本相比,社交媒体文本有口语化强、文本长度短、无用文本多的特点,这使得新闻文本事件识别技术和趋势分析方法无法直接应用。当前,社交媒体事件分析的研究工作主要基于统计特征来进行,如何通过增加文本语义信息来提升社交媒体中事件发现和分析的准确度还有待进一步研究。针对以上问题,本文面向校园舆情热点事件,结合文本语义特征,对事件趋势进行分析。提出了基于多维特征的热点事件识别模型,结合统计特征和文本语义特征,融合聚类方法,训练事件判别模型,对网络热点事件进行发现;提出了多维事件趋势分析方法,基于事件核心语义词在时间维度上的积累来分析事件演化,分析事件流行度、文本原创度、用户参与度及内容敏感度对事件热度的影响,训练神经网络对事件热度进行预测;基于提出的事件识别模型和趋势分析方法,设计实现热点事件分析系统。实验获取高校论坛、新浪新闻和新浪微博的数据,从事件识别效果、事件演化分析及事件热度预测效果三个方面对提出的模型进行验证。本文提出的热点事件识别模型与基于统计特征的模型相比,F值提升了24.6%,与其他基于语义特征的模型相比F值提升了 5.7%;提出的事件演化分析方法,能够及时发现事件变化,提取便于理解的事件核心语义词;提出的事件热度预测模型与两个参照模型相比,准确率分别提升了 9%和10%。实验结果表明,本文提出的基于文本语义信息的事件发现和分析方法能够更有效地发现社交媒体中包含的热点事件,并对事件发展趋势进行更详细的分析。