微博、推特是目前人们喜爱的开放类社交平台。受益于平台的开放性,人们通过转发和指定转发等互动操作,对某件热点事件可以深入广泛的交流。参与一个热点事件的讨论人数的数量少则几万多则几十万甚至上百万。用户发表的帖子数量数以千万。由于社交网络与现实社会高度融合,因此成为政府了解社会以及突发事件和热点事件的有效途径。受限于平台对发帖文本的字数限制,用户发表的帖子主要以短文本为主。由于内容为短文本,通过对内容本身的聚类等方法对热点事件的发现效果不佳。而通过发现意见领袖的热点事件发现方法又存在滞后性,不能达到早期发现的目的。针对该上述问题,本文提出一种基于事件传播网络的热点事件爆发预测的方法,该方法的主要贡献为:1.通过用户之间互动形成的用户关系网,预测热点事件是否会有爆发的可能。该方法不受限于用户发布的内容,只关心用户之间的交互。该交互操作包含微博、推特等用户对其他用户发布的内容进行转发或指定转发给某个用户的操作。由于分析时不使用帖子发布的内容,解决了短文本导致的内容信息量少,聚类结果效果不理想的问题。该方法将用户关系网分解为网络子图,对子图数量进行统计、计算,并根据子图特性推断当前事件的状态以及未来可能的走向,有效避免了消息的滞后性。2.用户关系网涉及到的用户数量庞大,完备的将网络表达并最终实现可计算是研究难点。本文引入了大规模子图完备性分解方法和大规模子图快速分解方法。两种方法针对于不同使用场景可以达到子图完备性分解和子图快速分解的目的。通过使用网络分解的方法,达到用户关系网络可计算的目的。3.通过实例分析,验证了方法的可行性。本文使用了美国政府停摆事件和法国黄马甲事件对理论进行了实例分析。分析结果表明,该方法能够有效跟踪当前事件所处的状态,并对事件未来走势提供参考意见。最后,根据本文的相关理论开发了热点事件分析系统。该系统具有自动抓取文本数据、自动分析数据等功能。能够实时跟踪数据中涉及到的话题,并分析话题当前状态以及未来的走向趋势。