社会计算是一个多学科交叉的领域,随着学术界和产业界对该领域认识关注程度不断提高,社会计算也进入了快速发展的阶段,相关研究和应用不断涌现。与传统的信息传播媒介不同,社交网络平台中的信息的产生形式更加复杂,传播过程具有很强的突发性和随机性。本文尝试从互联网公共数据中获取的有效数据中抽取各种特征,并对事件趋势进行量化预测,以期从宏观上对事件的趋势进行预测。本文根据社交网络平台中信息传播的机制,从信息的角度设计了一种信息遗传网络,同时针对社交网络平台的特征,提出了一种基于信息遗传网络的事件趋势预测框架。根据信息遗传网络增长规律,提出了一种改进的人口模型用于事件趋势预测。最后,对事件趋势预测影响因素进行扩充,提出了一种基于小句中枢理论的情感分析方法,使用这种方法对社交网络平台中文本内容的情感进行分类,并将该方法的结果进行量化用于事件趋势预测。研究工作概括如下:(1)面向社交网络平台事件演化的信息传播机制的研究。在社交网络中事件演化模式是有规律可循的,而且事件的演化数据中也蕴含用户的关系数据,因此本文直接从事件演化模式入手,对社交网络进行分析并获取有用数据,引入生物进化理论的思想来分析事件演化特征。首先对信息传播过程进行实例分析,然后,设计了一种信息遗传网络,同时确定事件演化理论范式,并讨论了其使用范围,为社交网络中信息的传播分析提供了一种新的思路。基于该信息遗传网络,提出了一种基于信息遗传网络的事件趋势预测框架。本文使用时间序列预测的相关方法对事件趋势进行预测,首先分析了影响事件演化趋势的因素,然后使用社交网络平台数据验证了该方法的有效性。(2)根据信息的遗传特性,在信息遗传网络事件趋势预测框架下,提高趋势预测准确率是本文的研究目标。本文考虑到信息遗传网络的生物学特性,提出了一种基于改进的人口模型事件趋势预测方法,然后将该方法提出的模型映射到一个输入为n个参数,输出为1个参数的BP神经网络中,其中n表示影响事件趋势的影响因素个数,结合影响事件趋势的因素对事件趋势进行预测。(3)在影响因素维度上我们考虑信息的情感极性,采用一种基于小句结构的情感分类方法对信息个体的情感进行判定。在层叠条件随机场模型中,通过小句训练细粒度的随机条件场情感分类模型,通过评论句训练粗粒度的随机条件场情感分类模型,最终通过层叠条件随机场模型对信息个体内容进行的情感极性进行分类,并将情感极性进项量化后作为预测模型的影响因素的一个输入维度,提升了事件趋势预测的准确率。