在如今互联网以及大数据的时代背景下,人们接受信息的渠道日益增多,同时人们的关注热点也是瞬息万变的。其中新浪微博作为当今最流行的社交网络之一,有着很大的用户群体,并且很多官方媒体也在新浪微博中有相关账号。所以新浪微博渐渐变成能第一时间查看并接受到社会中实时产生话题的工具。而由于新浪微博中的内容大都具有时效性,若能预测一个时间段内的部分微博在未来某个时间点的流行度,将会在商业、乃至舆情中产生巨大的效益。因此,研究微博流行度的预测算法变得至关重要,逐渐成为学术界青睐的研究方向。在研究微博流行度之前,需要分析微博的传播特征。已有的微博流行度预测研究或者是基于分类算法,其模型对于流行度的定义较为主观,且没有利用微博流行度随时间而变化的这一特性。或者仅考虑微博转发速度对其流行度的影响,模型构建仍存在很大的改进空间。由于新浪微博的特征种类繁多,特别是用户关系在网络拓扑结构中对于传播的影响,基于此的研究也非常多。本文考虑针对微博最直观的数据,即从一条微博的“转发”、“评论”等因素入手,分析它们对微博传播过程的影响。具体来说,本文的创新点归纳如下:（1）微博流行度是一个泛指的概念,若要研究微博传播的流行度,首先要对微博流行度进行规定。本文首先将微博的转发数和评论数作为微博的传播特征,基于对转发和评论的特点分析,即二者是一种与微博传播息息相关且是一个量化的数量特征,本文将微博流行度量化为转发数和评论数的大小,并且流行度的数值需要由相关算法计算得出。（2）由于微博具有时效性,一条微博从发布开始就逐渐扩散传播,且一条微博的流行度随着时间是动态变化的。本文针对这一动态变化的过程,观察微博在一段时间内其变化特点:根据固定时间段计算流行度随时间变化的快慢,通过该值以及初始流行度计算目标时刻微博的流行度。基于此,本文引入传播加速度的概念,将微博的转发加速度、评论加速度以及用户粉丝数等特征作为影响微博流行度变化的指标,把目标时刻的转发数、评论数作为衡量微博流行度的指标,通过观测微博传播的前几小时流行度变化情况,构造线性回归函数模型,预测目标时刻的微博流行度。通过测试微博的转发加速度、评论加速度以及用户粉丝数对模型的不同影响,实验结果表明本文提出的微博流行度预测模型性能良好,与传播特征数量关系密切,其预测结果优于仅考虑微博转发速度的预测模型。（3）在研究了本文提出的模型在回归预测算法上的表现后,本文考虑将模型应用在分类问题上,并且转向讨论微博中带“#”的话题流行度,然后通过相关实验与传统的分类算法（如:Logistic回归）的分类效果做对比,实验结果表明本文的模型同样具有更好的表现。