چکیده: در دهه اخیر، ضریب نفوذ بالای شبکه‌های اجتماعی مجازی در بین افراد جوامع و فراوانی و در دسترس بودن داده‌هایشان، توجه پژوهشگران زیادی را به تحلیل شبکه‌های اجتماعی معطوف کرده است. یکی از کاربردهای مهم تحلیل شبکه‌های اجتماعی مجازی، تشخیص و پیش‌بینی وقوع رویداد می‌باشد. روشهای موجود در زمینه پیش‌بینی رویداد، تنها بر روی یک رویداد خاص تمرکز دارند، در حالیکه آنچه در این پایان‌نامه به آن پرداخته شده است، پیش‌بینی کلیه رویدادهای قابل پیش‌بینی می‌باشد. در این پژوهش رویداد به چیزی اطلاق می‌گردد که تغییر و تحولات قابل توجه، در برخی پارامترها و ویژگیهای مهم شبکه اجتماعی مجازی ایجاد کند. ویژگی‌ که در روش پیشنهادی به آن توجه شده است، تغییرات نرخ ارسال پیامها به شبکه اجتماعی می‌باشد. در روش پیشنهادی، ابتدا بر مبنای یک پنجره زمانی ثابت، عملیات تقسیم‌بندی توییتها و سپس پیش‌پردازشهای معمول حوزه متن‌کاوی بر روی هر دسته انجام می‌شود. پس از آن با استفاده از روش تجزیه غیرمنفی ماتریس (NMF) و خوشه‌بندی افزایشی فرایند رستوران چینی مبتنی بر فاصله(ddCRP)، خوشه‌بندی توییت‌ها صورت می‌پذیرد. همزمان بر مبنای میزان تغییرات نرخ ورود توییتها به هر خوشه، وقوع رویداد پیش‌بینی می‌گردد. نهایتا توصیفی از رویدادها بصورت چند کلمه پرتکرار در هر خوشه، به عنوان رویدادهای آینده، نمایش داده می‌شوند. روش پیشنهادی، بر روی یک مجموعه داده از توییتر، شامل تقریبا 12 میلیون توییت که 1940 رویداد را در بر می‌گیرد، مورد ارزیابی قرار گرفته است و با دقت 84 درصد موفق به پیش‌بینی وقوع رویدادها در آینده شده است.