● 摘要
近年来，微博日益成为普通个人、政府和社会组织最重要的交流平台之一。微博上信息传播的实时性和高覆盖性，使微博成为社会热点事件的主要传播媒体，尤其是一些大规模群体事件。治安事件是一种群体性事件，当它的发生时，在微博上往往会出现大量与此相关的信息或话题。在本论文中，利用微博上与现实生活中某治安事件有关的文本信息，抽取出一些特征数据，对现实生活中相关事件的发展趋势进行量化分析和建模，进而对该事件的未来发展趋势进行预测。
论文主要从微博短文本的预处理技术和表示模型、短文本的主题分类、治安事件趋势分析和预测三方面展开讨论，阐述了上述领域的已经存在的技术、观点、方法。在微博短文本的预处理中，本文使用基于正则表达式的方法对短文本中的冗余信息进行过滤，并采用基于词典的方法对不规范表达进行识别。然后采用词向量模型作为微博短文本的表示模型。在短文本的主题建模的研究中，本论文首次提出了一种基于深度玻尔兹曼机的短文本主题建模方法，并对该方法进行了实验验证。在治安事件趋势分析的研究中，为了衡量事件的发展趋势，本文定义了四个度量指标，并采用回归模型对各个指标的发展变化进行回归建模。最后，基于这些模型，结合预测点附近平滑分布的数据点，对治安事件的发展进行预测。
最后，本文选择与2013年7月发生的埃及大规模抗议事件相关的微博信息为实验数据，对本文提出的方法进行验证。实验结果表明，本文提出的趋势分析和预测方法能有预测事件未来发展的趋势。