由于微博的快速发展,越来越多的互联网用户倾向于使用微博发布有关热点话题的信息。微博中不仅包括相关事实描述的客观信息,也蕴含着微博用户所特有的主观信息,如态度、看法和观点等。深入地研究潜藏于微博中的主观信息不仅有助于了解热点话题对个体情感状态产生的影响,而且可以分析公众情感状态,并预测公众情感发展趋势。目前大多情感分析的方法,侧重于微博的内容信息。在此基础上,融合微博用户和微博转发关系改进了微博的情感分析方法。针对当前微博公众情感预测研究大多基于数学统计方法,并没有充分考虑微博用户以及微博社交网络这一问题,提出了基于群体智能的微博公众情感预测方法。预测方法定义了微博用户权重、情感波动以及情感一致性等用户情感属性;预测方法包括用户自我演化和相互演化两个部分,自我演化代表微博用户自身情感状态的变化,而相互演化代表来自其他微博用户情感状态的影响。其中,对微博用户情感波动和情感一致性的判定取决于用户历史微博信息的情感分析结果。实验结果表明,相对于仅利用微博内容信息进行情感分析的方法,基于微博用户和微博转发关系的优化方法在准确率,召回率以及F值等方面都有较大提高。在公众情感预测方面,和常用的利用最小二乘法进行预测相比,基于群体智能的公众情感预测方法在准确性上有一定程度的提升。