随着网络和通讯技术的发展，微博成为了重要的舆论场所，公众直接在微博平台上抒发情感和表达意见。微博平台传递公众心声，富含重要舆情价值的信息。而且其传播广度和速度远远超越了传统新闻媒体，会造成舆论事件影响的迅速扩散，增加事件解决的难度。所以微博平台是政府舆情监控必须重视的平台。而在政府的舆情监控系统中，负面热点新闻的早期预测尤其关键。因为负面新闻影响社会稳定，破坏性极显著，只有及时预测发现网络负面热点新闻，帮助政府部门把握住处理负面热点事件的最佳时机，才能最小化负面热点新闻带来的伤害，维护好社会的安定。但是由于负面新闻的突发性和复杂性，目前负面热点新闻早期预测这个课题还没有很好地被研究解决。故本文将通过对媒体报导事件在微博中走势的全面分析，和对关注该事件的用户的情感走势分析，判断预测该事件是否是舆情负面热点，很好地解决负面热点新闻早期预测的问题。本文主要从以下方面作出贡献：1.探讨了国内外热点新闻发现的研究现状和微博平台的情况，发现将微博平台用于负面热点发现的可行性，并创新性的提出基于微博平台的负面热点发现技术，打破以往的负面热点发现技术范畴。2.探究分析负面热点新闻特征和微博平台特征，创新性利用微博特性对新闻话题进行描述定义，设计新闻热度值的数学计算公式，并提出新闻负面性的衡量指标。在此基础上，本文提出负面热点新闻预测的两种非自适应性算法：阈值分析预测法和简单线性预测法。为增强算法的实践性，还设计实现了负面热点新闻预测系统，将提出的算法运用于实际的舆情负面热点发现。3.为增强负面热点新闻预测算法的自适应性，研究学习多元线性回归模型和聚类分析算法，并成功将其运用于负面热点新闻预测。实验表明，本文提出的新闻八个维度指标是有意义的，两种非自适应预测算法和两种自适应预测算法都是可行且有效的。本文下一阶段将进一步地挖掘微博平台信息，研究对负面舆情热点如何进行进一步的趋势分析，更好地完善舆情监控系统，从而为政府部门决策提供更好的支持。