社交网络作为一种通过人与人的关系作为基础,进行在线沟通与消息共享的工具。近几年移动端网络的发展,用户可以更加方便地建立关系,并且更加频繁地使用社交网络。社交网络本身有着自发性、平等性、敏捷性、扩散性这几大特性。通过这些特性,使得社交网络在出现的十几年内已经在全球坐拥几十亿用户。然而随着用户数量的激增,互联网的信息操控权也逐渐分散到每个人手中,而非以少数官方媒体为代表的传统媒体。这也就导致了信息不可信的问题。如果是用户们普遍不关心的信息,传播范围并不会很广。一旦涉及国家安全,国民安全的信息出现了不可信的情况则会对国家的安全稳定造成危害及影响。另一方面,不论国内外都存在着部分不法分子利用社交媒体发布误导信息,煽动人民情绪的情况。从这些现实情况中可以看出,及时有效地引导舆论是避免舆论失控的一个重要方法。快速准确地对国民安全威胁热点话题进行画像,并追踪预测其未来舆论热度发展可以有效地帮助管理者紧跟舆论方向以及舆情状态,以便及时引导舆论。本文的主要工作内容包括以下四个方面:社交网络国民安全威胁热点话题深度语义特征学习。研究解决社交网络短文本的稀疏性、二义性问题,进行合理的文本扩充;研究Alex-net、VGG-net等卷积神经网络模型以及注意力机制技术,通过对现有网络模型结构的修改,实现图像的深度语义特征学习,并训练社交网络国民安全相关图像分类器,作为下一步社交网络国民安全威胁热点话题语义统一表达做基础。社交网络国民安全威胁热点话题语义统一表达与动态画像。研究以注意力机制反馈为基础的社交网络多媒体大数据语义空间统一。通过注意力机制加强对图片中有价值的语义关注,抑制图像中的噪声数据。使得从图像中提取出的图像语义描述更精确;提出社交网络国民安全威胁热点话题画像算法,自动抽取话题在不同时间窗下的候选关键词并基于主题模型进行话题关键词抽取,并最终得出不同时间窗下社交网络国民安全威胁热点话题画像。社交网络国民安全威胁热点话题预测与追踪。研究社交网络国民安全威胁热点话题预测与追踪的方法。通过统计不同时间窗内不同主题各自的舆论热度,按照时间顺序构建同一主题在不同时刻的话题热度向量与话题热度趋势变化向量。根据同一话题热度趋势随时间的变化将其划分为四种状态,追踪话题热度发展变化。应用神经网络过程训练社交网络互动数据与热度趋势变化之间的映射关系。实现对话题热度的预测。社交网络国民安全威胁热点话题动态画像、预测与追踪系统的实现。结合以上三个方面的研究内容,开发实现社交网络国民安全威胁热点话题动态画像与预测系统。使用该系统对所提算法的准确性、实时性等性能进行验证,并在话题画像与热度预测结果等方面提供可视化服务。本文针对社交网络国民安全相关热点话题数据,实现了热点话题动态画像与话题舆论热度追踪与预测。