群体注意力是指群体用户对同一事物形成的关注，是社会网络中的一个重要研究内容。现有研究主要集中在分析群体用户注意力的倾向，以使得研究者或者网站经营者能够准确洞察或者预测用户的一种群体倾向。分析某事物的流行性趋势能准确把握社交网站或者商业网站的核心内容，能发现群体用户在某一时间段内共同关注的事物，并及时地为用户筛选出最受欢迎的、最热门的话题或事物。而如何对群体注意力进行建模，并依据内容的流行性对群体注意力进行分类并进而对注意力的趋势进行准确的预测是实现上述目的亟需解决的关键问题，也是本论文的主要研究内容。本论文具体工作主要包括以下几方面内容：首先，通过分析现有群体注意力的研究现状和存在的问题，提出了一种描述群体注意力的模型：PebCAM。PebCAM模型能描述群体注意力随着时间的变化趋势，并给出计算注意力峰值的计算公式。PebCAM模型为后续的群体注意力动态聚类研究提供了数据基础。其次，基于PebCAM模型，研究了一种群体注意力的动态聚类方法CACM。该方法将群体注意力随时间的推移而发生峰值的变化特征进行划分，依据群体注意力的流行性特征达到峰值的方式以及峰值前后流行性变化的不同，将群体注意力动态划分为峰值前连续的、峰值后连续的、单一的和均匀的等四类，并通过实例和实验验证了提出的动态聚类方法的正确性和可行性。最后，提出了对群体注意力进行预测的方法CASPM算法。CASPM算法基于PebCAM模型，利用话题的传播量来表示群体注意力，通过分析话题的初始传播量和话题的新颖性，来预测话题未来某个时刻的话题传播量，从而得到群体注意力的未来趋势，进而能够应用来预测流行性事物。通过对CASPM算法进行实验验证与分析，并和其它方法进行对比，证明了CASPM算法在群体注意力预测方面的可行性。