互联网高速发展,网络的普及以及社交媒体的广泛使用,使得广大网民可以更加便捷地就某一事件发表自己的看法,网络舆情也随之普遍的发生。网络舆情是网民观点、看法的集合,能够直接地体现出人民最直接的诉求。在线评论数据是网民对某一事件的最客观的言论,正负面评论均存在,能够真实地反映线下事件的客观事实,同时是社会当下重点问题的直观映射。网络舆情在传播和互动中不断深化和升级,发展迅速,甚至进一步引发相关事件,无法掌握其演化机理和对舆情事件缺乏准确的预测会导致政府处理网络舆情的被动局面。对网络舆情进行及时监控和准确研判,能够实现网络舆情地有效引导,对提高政府网络治理能力也有较大帮助。因此加强对网络舆情预测的研究在实践上具有紧迫性、必要性与重要性。本文选用事理图谱的方法实现网络舆情预测。事理图谱是事件因果关系前后关联的逻辑演化图,可以清晰呈现舆情的演化路径,通过图谱可以更便捷地总结归纳网络舆情演化规律和演化特点。抽象事理图谱是对事理图谱中相似事件的聚类所得,是对一个领域中具体事件因果关系的升华,图中具有事件转移概率,利用这个概率可以轻松实现网络舆情事件预测。本研究以微博在线评论为数据源,选取十个引起广泛关注的医疗领域网络舆情事件。采用自然语言处理等方法,识别舆情文本中的因果关系;利用数据挖掘等方法提取因果关系中的原因事件和结果事件,以原因事件为源节点,结果事件为目标节点,基于因果关系的传递性,构建网络舆情事理图谱。根据事理图谱剖析了舆情演化路径。进而,利用word2vec代替TF-IDF词向量,提高了kmeans文本聚类的效果。利用这种改进的聚类方法将相似的事件泛化为同一类事件,进而构建抽象事理图谱,根据抽象事理图谱上边的权重的大小以及相似度计算方法,判断舆情事件发生时,可能引发怎样的后续事件。医疗网络舆情实证结果表明,该方法较好地预测了可能引发的舆情事件,准确率达到72.03%。该方法有效地补充了现有研究中对网络舆情趋势预测的不足,对实现精准管控给予较大帮助。基于事理图谱的网络舆情事件预测,可以帮助政府、企业等受舆情影响较大的相关者构建舆情知识库,在舆情发生时,通过提前预测舆情走向的方式,实现网络舆情演化的把控,减少经济损失,维护社会安定。