互联网已经成为反映民情民意的动态窗口，越来越多的人通过网络获取信息并在网络空间中表达自己意见和情绪，这些意见、情绪和行为倾向的集合称之为网络舆情。客观准确的判断网络舆情的发展趋势和态势等级对政府管理部门作出正确决策有着重要意义，同时也是维护社会和谐稳定发展的必要条件。现有对网络舆情的研究通常是将网络中的事件看作单一事件，对多事件的网络舆情研究甚少。然而，由于网络中信息的多样性，且事件在网络中传播时不受时空距离的制约，事件之间普遍存在着关联现象，当网络事件之间的主题、主体、情绪等因素相同或相似时，公众通常会将这些拥有共性因素的事件放在一起讨论，这些多个事件聚集在一起形成的事件群所造成的影响会比单个事件造成的更大，危害程度更强，因此以事件群的视角对多事件网络舆情进行研究有着重要意义。综上，本文的研究工作包括以下几个方面:　　第一，网络舆情热度预测。本文从相似事件总有相似发展趋势的角度出发提出了一种网络事件热度预测方法。该方法首先在语义层面上将网络事件分为不同的类别，其次在时序层面上使用EKSC算法对不同类别舆情事件的时间序列进行聚类，EKSC算法先对原始时间序列分解，分解得到含有多种物理成分时态信息，再将低频分量聚类中心作为高频分量的初始聚类中心以此提升聚类效果，聚类后得到每一个小类的类模型，最后根据待测事件的类别和与每个小类类模型的均方差和选择最合适的类模型，并将类模型作为该事件的预测模板，通过平移和比例缩放得到待测事件的预测值，实验表明了该预测方法的有效性。　　第二，面向事件群的网络舆情预警研究。从事件群的角度对网络舆情的态势发展和预警等级做出研判，首先对事件群关联要素进行阐述，给出事件间的关联影响程度计算公式;其次，在已有的网络舆情预警指标体系的基础上建立事件群的网络舆情预警指标体系，并给出了末级指标的量化方式和规范化方法;再次，使用直觉模糊推理理论给出一种基于犹豫度的网络事件舆情预警等级判定方法，并将态势指数在单位时间内的变化作为事件的恶化速度，通过恶化速度对舆情事件的发展进行分析;给出了一种面向事件群的网络舆情预警方法，通过多个单一事件的态势值合成事件群的态势值进而对事件群的整体进行预警;最后，使用本文提出的方法在18个事件群数据集上进行实验，实验表明了本文提出的方法有着良好的预警效果。