随着互联网的发展,活跃在社交网络中的人与主题越来越多,而海量的用户生成内容对信息的获取与检索提出了挑战。其中,社交网络中突然产生的主题(突发主题,Bursty Topic),由于往往对应着特殊的事件并表征社会对突发事件的舆情,对其进行探测成为一个很有价值的研究热点。近年来,相关的研究工作分别从信息流、主题模型以及传播模型等各个方面展开了研究,但是仍然存在以下问题：1、对突发主题缺少数学上的明确定义。2、对突发主题的研究多集中在新闻和学术界,对于社交网络中突发主题所具有的社交属性考虑不足。针对此背景,本文从图挖掘与语义分析的相关理论结合出发,旨在进一步探索解决突发主题检测问题的解决方案。首先,针对突发主题的数学表达问题。本文在主题模型相似性的基础上,提出了一种突发主题的数学模型：基于JS距离的突发主题模型。并给出了两种求解算法：基于随机游走的区域探测算法,以及基于时间分布的区域切割算法。在单服务器开销限制下,实验证明能有效解决大规模社交网络数据的突发主题提取问题。同时,对所提算法覆盖度、时间复杂度进行了测试和评估。然后,针对突发主题社交属性研究不足的问题。本文对前人工作中提出的基于主题模型和马尔科夫过程的突发探测模型进行了改进。考虑到在社交网络中文档作者对突发主题产生的影响,在马尔科夫过程的转移概率中加入了社交影响力参数,提出了基于社交影响力和主题模型的突发探测模型。在同经典模型对比实验中,新的模型对于突发话题的探测具有更高的准确性。