如今,社会化媒体已成为突发事件的社会传感器,其上的网络舆情能快速、直接反映突发事件发展态势。突发事件发生后,微博作为重要舆论通道,公众会在其上迅速形成并传播自己的观点、态度和情绪,对社会影响巨大。如果不能准确对突发事件情境下的微博舆情进行预警,进而对其进行及时干预和引导,很可能会引发新的网络突发事件甚至是线下次生群体事件。因此,对突发事件情境下微博舆情进行动态预警有重要意义。现有研究取得了很多研究成果,但仍存在以下不足之处。当前突发事件情境下微博舆情预警研究大多将微博文本内容、微博情绪及微博用户信息行为三个研究维度相分离,无法深入了解它们间的内在影响规律,因此,在预警模型构建时多依赖于专家主观经验,缺乏以数据驱动为基础的客观规律支撑,缺乏客观依据。另外,当前研究多为对舆情的静态快照类预警,很难满足实时舆情监测中对发展趋势进行预警的要求。本文针对上述不足,首先通过自然语言处理、情绪分析等方法,提出了基于因果贝叶斯网络的主导情绪识别方法,通过敏感性分析和回归分析,对微博情绪与用户信息行为间影响规律进行研究,得到的影响规律为后续构建动态预警指标和建立预警模型提供客观理论支撑;接着,对微博情绪与微博文本内容间影响规律进行分析。基于LDA主题分析和知识图谱分析识别出突发事件微博舆情在各阶段的特征词,并对不同阶段主导情绪与特征词进行Lasso回归分析,将得到的影响规律用于预警模型初始结构的构建;之后,基于上述得到的客观规律,构建预警指标,进而构建突发事件情境下微博舆情动态预警贝叶斯网络模型;最后,收集大量典型突发事件微博历史数据,对提出模型的有效性进行验证。本文充分考虑了微博文本内容、微博情绪与微博用户信息行为三者间的客观影响规律,为预警指标体系的构建提供了客观依据,也为预警模型的构建提供了初始网络结构。基于客观影响规律构建的微博舆情动态预警贝叶斯网络模型,能准确对实时舆情态势进行动态预警,为网络舆情应急管理提供了技术和决策支持。