随着互联网技术的发展,社交网络逐渐成为人们获取和交流信息的重要途径之一,其传播广泛、扩散迅速的特点对人们了解事件动态、有关部门开展舆论引导带来一定的挑战,采取合适的方法对事件主题进行有效演化分析,有助于分析热点事件发展态势,对有效开展舆情引导有重要意义。知识图谱通过可视化技术对舆情主题的结构关系进行描述,可以较为直观地展示主题发展动态和识别主题热点,本文针对新冠疫情热点事件进行知识图谱构建,基于知识图谱对主题演化进行讨论和实证分析。本文的主要工作分为以下三部分:1.建立新冠肺炎疫情热点事件知识图谱。利用人工采集与网络爬虫技术相结合的方式,对热点事件文本数据进行收集,通过Jieba库中文分词、词向量训练和词义标注等步骤,完成原始数据集的清洗,建立了新冠疫情热点事件语料库。采用Bi LSTM-CRF循环神经网络模型进行命名实体识别,对获得的新冠疫情热点事件结构化数据进行知识图谱的构建,利用Neo4j图数据库对热点事件知识图谱进行存储,并进行可视化展示。2.提出了一种基于知识图谱的短文本语义扩展表示方法。将概念知识图谱中与文本特征词之间有较高关联度的概念词进行提取,构成当前短文本特征词的概念词集合。将概念加入特征词集合得到特征词的语义扩展表示,并基于公开已分类数据集进行了扩展前与扩展后的分类实验。结果显示,概念化语义扩展表示可以提高短文本的分类效果,为后续的主题演化关系分析做准备。3.利用热点事件主题演化模型,对新冠疫情热点事件评论数据集进行实证分析。采用基于知识图谱的语义表示方法和基于增量聚类算法的主题发现方法,实证分析了评论数据中主题发现过程。构建热点事件主题演化模型,将余弦相似度和KL散度引入知识图谱,通过计算主题之间的相关性,定义了主题演化关系,并对新冠疫情热点事件进行了主题演化态势分析。