当今社会运转速度和人们的生活节奏越来越快,信息流动的速度也越来越快。以微博为代表的社交网络平台,凭借其较低的门槛,丰富的信息流,图文并茂的表达方式,逐渐成为新媒体时代重要的信息交流工具,吸引了大量的活跃用户。在微博,用户不仅可以分享自己的生活,还可以对热门的社会事件表达自己的情感。因此分析庞大的微博用户对于社会事件的情感演变过程,对于舆情监控,知识管理和品牌销售都至关重要。本文从两个角度分析社会事件中的公众情感演变。（1）社会事件公众情感演变建模。本文提出了一种新的公众情感演变模型,该模型假设在公众对于社会事件的情感演变中存在着背景情感的演变,并且背景情感保持平滑且缓慢的变化。为了提高公众情感演变模型的效果,本文还提出了一种实体级别的情感极性检测算法,用于提高微博评论文本情感极性检测的准确率。在真实数据集上进行的实验表明,本文提出的公众情感演变模型在对社会事件的情感演变进行建模方面的效果优于使用的对比方法。（2）公众情感预测。本文提出了一种基于多任务学习的情感突变分析模型。该模型假设新闻引发公众情感突变的能力主要和新闻包含的情感特征以及证据特征有关,并且如果新闻引发了公众情感突变,主要体现在新闻会导致评论文本数量发生变化以及评论文本情感极性发生变化。通过将该模型应用于大量新闻和评论数据,验证了其相对于基线方法的显著改进。