随着网络科技的蓬勃发展,微博、抖音、贴吧等网络社交媒体逐渐成为民众信息交流的主要方式之一。网络社交媒体借助手机这一实时通讯设备,使用户不受时间和空间的制约,随时随地进行社会交往和互动。与传统媒体相比,它能够模糊组织边界,使不同年龄、性别、价值观念和信仰的用户进行交流,鼓励用户评论、反馈和分享信息,给用户带来强烈的参与感。此外,它能够采用匿名身份发表观点,这有利于用户表达真实感受。因此,分析微博等社交媒体上用户的讨论内容是捕捉民众观点的重要途径。关注网络舆情事件对于政府相关机构及时监测可能产生的衍生话题具有重要意义。网络舆情事件的爆发会引发网民在社交媒体上发表感受,激烈讨论,进而产生较为敏感的衍生话题。衍生话题导致了网络舆情问题更加错综复杂,进一步加大了政府对舆情管理的困难与风险。因此,本文对网络舆情事件衍生话题的提取问题展开深入研究,目的在于为衍生话题的监测提供新思路,为相关部门有效检测和控制网络事件传播,更好地为制定事件预警策略提供理论依据。首先,提出一种基于LTTB-KSC算法的网络舆情事件热度高峰趋势分析模型,该模型使用LTTB-KSC算法对热度序列聚类,然后借助三次样条插值法和高斯混合模型构建每一类的热度高峰函数,分析函数曲线特征将舆情事件热度高峰的变化划分为单高峰、高-低峰、低-高峰三种模式。其次,将热度高峰变化模式划分结果作为预测事件热度高峰时间范围的基础,提出使用DTW距离确定网络舆情事件对应的热度高峰变化模式,预测热度高峰发展趋势,确定高峰期对应的时间范围。第三,提出一种改进的逆主题频率衍生话题提取模型ITFLDA,对网络舆情事件热度高峰时间范围内网民的发文内容提取话题特征词,分析可能产生的衍生话题。最后以“鹿道森事件”为例进行衍生话题提取仿真实验。实验表明,LTTB-KSC算法在聚类效率和效果上均高于KSC算法,ITFLDA模型则在精准率、召回率和F-Measue值三项指标上相较原LDA模型均显示出优势,改进的网络舆情事件衍生话题的提取方法性能优于传统方法,能有效进行网络舆情事件衍生话题预测,为战略决策提供辅助支持。