在网络信息爆炸的年代,网络舆情对人们日常生活的影响越来越大。网络舆情中的公共危机事件常常会成为人们关注的焦点,其中的恶性发展的公共危机事件对社会稳定和人们的生命财产安全都有着严重的危害。因此,及时识别公共危机事件,分析事件演化,对把握舆论导向,具有重要意义。本文分别研究了网络新闻中的公共危机事件识别和微博中的危机事件演化。在公共危机事件识别方面,因为触发词是事件的核心标识,本文研究以触发词为核心的事件识别方法。首先采用扩展触发词的方式弥补单纯使用触发词方法召回率较低的缺陷,但是这样就造成了准确率的降低。因此使用基于规则的方法对扩展触发词方法进行改造。又提出了改进的Apriori算法用以挖掘规则关键项,节省了很多人工定义规则的时间。另外,本文对基于统计的分类方法进行了一系列研究,提出了分层标记的特征选择方法,并以之优化最大熵分类器来完成事件识别任务。在危机事件演化方面,首先结合已有的情感词典NTUSD和微博常用表情的中文描述构建微博情感词典；然后研究微博中公共危机事件的生命周期,并结合已有研究指出情感分布符合泊松分布规律,并提出了计算泊松分布拟合参数的算法IIA,通过该算法可以计算出微博中的热点事件是否可以拟合泊松分布及其拟合参数；最后通过事件情感词的权重差来判断热点事件发展趋势,若情感极性呈负向则认为事件有可能发展成为公共危机事件。除此以外,本文设计并实现了公共危机事件识别系统,该系统是对理论知识的实际应用,可以用来对网络新闻进行公共危机事件识别,及时发现公共危机事件。本文的创新点有以下两个方面：1.提出分层标记的特征选择方法进行特征简约和包装,提高分类性能；2.提出增量迭代接近算法,用于估计泊松分布的拟合参数。