摘要：【目的】当新的舆情事件出现时,准确高效地预测出该事件是否会发生反转。【方法】首先,根据舆情反转事件反转点前的演化特点及演化过程构建事件特征;其次,通过设计聚类中心数自动寻优过程提出改进的KE-SMOTE算法,对正负样本分布悬殊的事件集合进行均衡处理;再次,基于均衡处理后的事件集构建以神经网络为基础的集成学习分类模型,实现舆情反转预测;最后,选取2021年发生的30个热点舆情事件对所构建的模型进行验证,并对预测结果与真实结果不符的事件逐一分析错误原因,同时对于如何避免舆情反转现象提出相应的对策建议。【结果】本文构建的集成学习分类模型在测试集上的预测准确率为99.7%,同时,较高的召回率显示所有反转事件均被预测正确,与舆情反转预测任务的要求相符。【局限】随着舆情反转事件从发生到反转之间的时长越来越短,可以获取的数据集也越来越少,所提出的特征和模型是否依然有效值得深入研究。【结论】所构建的基于改进KE-SMOTE算法的舆情反转预测模型可以在事件发生初期较为精准地识别出舆情反转事件。