在互联网时代,以在线社交平台为代表的新型媒体,因其高效快捷的信息传播特点,聚集了大量的用户,已成为社会舆情发酵和传播的重要平台。近年来频频发生的舆情话题往往是先从网络社交平台中发源和迅速传播,然后才引起了其他媒体和社会的关注。因此,在线社交媒体中舆情话题的传播态势往往是社会舆情发展的一个先兆,对这类媒体平台中舆情话题的传播态势进行监控和预测,是有效预警和控制互联网舆情的重要手段。目前关于舆情话题传播态势预测的已有工作多是预测内容流行与否、流行等级或流行度,话题流行模式预测仍然有待探索。相对于前者,流行模式预测可以为舆情监测和预警提供更具体、直观的话题传播信息。因此,本文提出了一种综合聚类和分类模型的互联网舆情话题流行模式预测方法,该方法不依赖话题传播的前期时序数据,因而能在话题发布的初始阶段就预测出未来的流行模式。首先,采用K-SC时间序列聚类算法获取社交平台上话题流行模式的基本类型;其次,评估和筛选与话题相关的多维度特征,构建话题特征空间;基于特征空间和机器学习预测方法,建立话题流行模式预测模型,并对模型进行评估。实验结果表明,利用特定初始特征,模型可以有效地预测新发布话题的流行模式,准确率达89.4%。最后,论文对话题流行模式的应用进行了探索,发现流行模式对话题具体流行度的预测,以及预测方法和参数的选择上能够起到一定的修正和指导作用。