1.一种基于历史新闻报道的事件趋势预测方法，其特征在于，所述方法包括：步骤1：首先确定待预测事件领域，在指定领域中，下载现有的公开新闻文本数据集和标签信息，若无公开数据集，则使用网络爬虫下载特定新闻网站的领域新闻；

步骤2：，当网络爬虫下载的数据集无标注信息时，需要通过人工标注加新闻分类/聚类的方法完成主要事件的标注；

步骤3：同类事件计算，在已完成主要事件标注的新闻中，使用设定的相似度阈值，在排除关键性3W信息后进行相似度计算，找到相似性事件，通过人工验证后将其标注为同类事件；

步骤4：子事件聚类，在每个同类事件内部，以关键性3W信息为主计算每两条新闻之间的相似度，将描述同一具体事件的新闻聚类为一个子事件；

步骤5：对步骤4得到的子事件之间，采用半人工标注的方式，根据事件内容的关联性和时间先后顺序，建立子事件之间的上下文联系，用有向边表示，从归因事件指向后续事件，获得每个子事件后续事件分布信息；

步骤6：对于待预测的新事件，获取核心的描述新闻，或者从公开信息源采集与所述待预测新事件相关的新闻报道，并对没有标注信息的新闻报道进行标注；

步骤7：确定所述待预测新事件的当前子事件，对于所述待预测新事件进行步骤4操作，建立子事件，并找到当前子事件；

步骤8：计算相似事件，在排除关键性3W信息后，计算所述待预测新事件与所有同类事件的相似度，取相似度超过设定的第二阈值的同类事件作为备选的相似事件，组成备选相似事件库；

步骤9：计算相似子事件，计算所述当前子事件和相似事件中的子事件的相似度，对于低于第三阈值的予以舍弃；

步骤10：综合步骤8得到的所述待预测新事件与相似事件的相似度、步骤9得到的当前子事件与相似事件中的子事件相似度，以及相似事件中的所述子事件后续事件分布，计算当前子事件的后续事件分值；

步骤11：对于可能的后续事件按照概率从大到小排序，并列举前5个可能后续事件作为对于当前子事件的后续发展趋势预测。

2.如权利要求1所述的事件趋势预测方法，其特征在于，进行人工标注的方法包括：步骤21：从下载新闻中随机抽取较小数量新闻报道，由专门的标注人员对其进行阅读，标明其涉及的主要事件；

步骤22：如该条新闻的事件在前序新闻中已提到，将其并入同一事件中，否则新建一个独立的种子事件；

步骤23：使用已标注事件中的新闻作为基准，将未标注新闻与其计算相似度，对于相似度达到第一阈值的新闻归入同一事件，有多个事件都足够相似时，取相似度最高的事件；

步骤24：对于尚未划分到其他事件中的新闻，采用聚类方法对其进行聚类；

步骤25：在聚类结果中人工手动选择较大的类别进行人工二次标注，选择适当的事件加入现有集合；

步骤26：当剩余新闻数量少于设定比例或新闻条数少于设定条数，停止聚类和人工二次标注，否则重复步骤24至步骤26，并调整聚类参数。

3.如权利要求2所述的事件趋势预测方法，其特征在于，步骤6具体还包括：步骤61：从事件描述中提取关键的描述词；

步骤62：使用关键词查询主流搜索引擎，获得相关报道的URL；

步骤63：使用爬虫获取报道内容；

步骤64：重复步骤2的步骤对数据进行清洗，不过仅处理和当前事件相关的内容，忽略其他搜索引擎返回的噪声数据。