近几年,随着互联网技术的发展,社交媒体的用户群体逐步壮大,如今在线社交网络已经迅速成为社会活动的重要枢纽和信息传递渠道。微博是当今中国应用最广泛的社交平台之一,用户庞大,微博的热点事件预测特别是突发事件的预测成为舆情监控的一个重要工作。然而,目前的一些研究方法没有考虑社交网络用户节点间的图关系,导致预测的效果不好;有的预测方法只是单纯的考虑用户节点间的图模型关系,并没有考虑到用户间的影响联系,预测效率低下。本文针对这些问题开展微博热点事件预测的研究。在分析总结现有传播模型以及预测算法的基础上,本文设计并实现了一个基于信息传播模型的效果更好的微博热点预测系统。并且也对系统的热点事件预测效果进行了实验测试。本文的主要工作有:(1)本文提出了一种基于用户节点影响力和IC模型的信息传播模型。针对目前信息传播模型存在用户影响力仅仅根据其粉丝数、用户标识来确定的缺陷,本文基于用户-微博组的加权有向二分图来计算用户的影响力。并结合用户关注度、信息敏感度以及是否包含外链等因素来进行信息传播预测,更加符合实际情况。(2)本系统采用历史人气抽取关键词,通过改进的信息传播模型,能够精确的描述预测的热点事件。针对微博出现的新词特性,本系统采用基于历史人气和词语的稀有度提出了HP-IBF的算法来抽取关键词。实验结果表明,本系统的算法的预测效率在保证一定数据量的情况下有一定的提高。(3)本系统采用基于J2EE平台的SSH框架,采用面向对象的设计方法和MVC的设计思想,遵循国际行业标准、J2EE规范、Web Service、AOP等,同时也设计并实现了用户管理、算法管理和数据集管理功能,具有良好的扩展性、低耦合性、安全性和技术先进性。在不同规模的真实微博数据集上与其他的预测模型进行了实验比较与分析,验证了热点预测模型的可行性与预测效果,并且我们设计的系统能够很好地完成微博的热点事件预测工作。