随着社交网络的迅速发展,微博在人们网络生活中的位置越发重要。相比于传统媒体,舆情事件消息在微博平台上的扩散速度更快、传播更广。微博为人们获取信息带来了便捷的同时,也为不法分子提供了平台。若有不法分子利用社交平台散布虚假信息,将会给人们的生活带来极大的不便甚至是危害。因此对微博舆情事件的传播过程进行监控、分析其中引起大规模转发的关键用户、预测未来时间的消息传播规模,这对控制舆情事件的不良发展有着十分重要的意义。在舆情事件传播中,用户更加关注与其地域紧密度高的舆情事件和感兴趣的舆情事件。然而,现有的关键用户挖掘算法并未充分考虑舆情事件的地域特征。基于此问题,本文提出一种面向微博舆情的关键用户挖掘算法——KURank算法,针对舆情事件的地域特殊性和描述针对性的特点对PageRank算法进行了改进。同时本文采用超网络的概念,从社交子网络、信息传播子网络、地域子网络和描述词子网络四个方面描述微博消息。实验证明,对于微博舆情事件,KURank算法能有效地识别出促进事件传播的关键用户。在微博信息传播过程中,事件的大规模传播通常都是由关键用户引起的。在消息传播预测中,关键用户对消息传播的影响需要重点考虑。因此,本文提出一种基于关键用户的消息传播预测模型——KU回归模型。该模型采用KURank算法计算每个时间窗口的关键用户,以每个时间窗口的新增关键用户在所有用户中的比例为自变量,以微博规模增长率为因变量构建多项式回归模型对微博传播趋势进行预测。实验证明,KU回归模型能够有效的解决舆情事件消息传播预测的问题,其预测结果与实际数据曲线拟合良好。综上所述,本文重点地考虑了舆情事件的特定地域和特定事件描述的特征,进行微博舆情事件的关键用户挖掘,并基于关键用户和多项式回归函数构建消息传播预测模型。并通过实验验证了 KURank算法和KU回归模型的可行性和实际效果。