随着社交网络的流行,用户可以随时在社交媒体上表达自己的观点,并对他人的内容进行评价,从而产生了许多社交话题。一些用户在社交网络中有较大的影响力,发布的信息经常能引起人们的关注和传播,甚至改变话题的舆论进程,即话题中的意见领袖。因此对话题意见领袖进行精准搜索与情感分析,以实现话题发展态势的实时监测和在线社交网络的稳定,具有重要的研究意义。本文完成的主要工作包括以下四个方面:(1)完成了在线社交网络对象的获取与数据预处理。针对社交网络对象数据结构复杂而难以获取的问题,提出了在线社交网络对象获取方法。利用网络爬虫对在线社交网络对象进行信息获取,包括用户数据和用户所发的文本数据,并过滤社交网络数据中广泛存在的噪声信息。进行进一步的字段抽取,并对抽取的数据进行一些基本的预处理操作。将处理好的数据存储到数据库中,完成数据获取与预处理。(2)完成了在线社交网络对象的语义表示与匹配。针对社交网络短文本数据的语义稀疏性问题,提出了基于预训练和孪生网络的微博语义匹配算法(PSNSM)。对于社交网络对象所发的文本内容数据,首先进行文本向量化。通过预训练模型进行进一步的训练和微调,充分挖掘文本上下文之间的关联,更好地把握语义焦点,从而对文本内容进行更好的建模,得到更高层次的微博级语义表示。通过改进的孪生网络语义匹配模型,对微博向量进行语义匹配训练。进一步优化微博语义表示,解决了短文本建模难的问题,实现了微博文本的语义表示与匹配。(3)完成了在线社交网络对象的精准搜索与情感分析,对于在线社交网络对象搜索,主要是搜索出特定话题的意见领袖。针对现有意见领袖搜索算法大多只关注用户属性和用户之间的关系,而忽略了用户所发的微博信息的问题,本文提出了基于双图模型的意见领袖搜索算法(DGRanK)。将社交网络中用户信息和用户所发的微博信息进行结合,用微博之间的相关性来补充用户之间的关系,形成统一的双图模型,实现意见领袖的精准搜索,解决了现有意见领袖搜索算法不能很好地利用所有相关数据的问题。提出了基于预训练和TextCNN的情感分析算法(PTEAM),对意见领袖进行情感分析。通过预训练模型对微博文本进行语义建模,捕捉文本中语义依赖信息,并通过改进的TextCNN进行进一步的情感聚焦,充分利用整个文本的特征信息,有效识别文本情感倾向。通过文本情感得到意见领袖的情感,完成社交网络对象的情感分析。(4)实现了基于语义匹配的在线社交网络对象精准搜索与可视化系统。系统共分为三个模块:数据获取模块实现社交网络对象数据获取以及数据预处理;对象搜索模块实现微博文本语义表示与匹配,基于微博语义表示完成在线社交网络对象精准搜索,通过情感分析算法对社交网络对象进行情感分析;对象可视化模块通过可视化工具将用户社交属性数据进行系统展示,完成社交网络对象可视化。本文实现了在线社交网络对象的获取与数据预处理、在线社交网络对象的语义表示与匹配、在线社交网络对象的精准搜索与情感分析,以及基于语义匹配的在线社交网络对象精准搜索与可视化系统,可以实现意见领袖的精准搜索和情感分析,并监测话题事件的发展态势。