随着移动互联网技术的全面发展,社交媒体（例如:微博、Twitter、抖音等）依靠其独有的便捷性和服务已经成为促进人与人交流,获取和传播新闻资讯,分享意见和观点的重要平台。然而当热点事件发生时,数百万的用户短时间内会产生大量嘈杂简短的信息,因此如何从社交媒体数据中快速获取想要的内容至关重要,对社交舆情监控、危机预警具有重要意义。旨在从特定事件找到一组代表性帖子,生成简洁的摘要,以揭示给定热点事件中大量帖子的核心内容。然而由于社交媒体数据庞大,嘈杂,不完整,高度非结构化并与社交关系相关联,使得传统的摘要技术不能得到很好的结果。而现有的一些社交媒体摘要方法重点建模社交帖子信息,仅仅探索帖子和帖子之间存在的直接联系,忽略了社交信息可以沿着深层社交网络被多次传播和过滤这一特点。基于以上挑战,本文从稀疏重构和社会学角度出发提出一种新颖的无监督社交媒体摘要方法,主要包括以下几个方面:（1）受社会学传染性和一致性理论的启发,本文提出多阶社交传染性和标签一致性正则项,从社交网络多阶结构和标签角度建模社交帖子信息,并挖掘社交帖子存在的潜在联系,从而解决社交媒体摘要的冗余性问题。（2）将多阶社交传染性和标签一致性正则项整合到稀疏重构框架中,通过牛顿动量法优化重构参数,并从时间复杂度和收敛性对模型性能进行理论分析,从稀疏重构的角度来解决社交媒体摘要面临的覆盖率问题。（3）制作了人工评价标准指南,在TWEETSUM数据集上进行的自动评价和人工评价实验表明,本文提出的方法是有效的。本文针对社交媒体短文本提出基于多阶社交传染性和标签一致性的社交媒体摘要方法,不仅建模社交媒体文本信息,同时更加关注社交网络结构和帖子标签所携带的隐含语义信息。基于ROUGE自动评价和人工评价实验显示本文提出的方法解决了社交媒体摘要覆盖率、信息性和多样性问题,从社会学视角提供了社交媒体摘要研究的启发思路。