研究目的:面对海量、异构的医学数据资源,知识发现的出现为科研人员从海量数据中获取有效知识信息提供了可能。同时,“社交+医疗”的快速发展,社交媒体平台现已成为民众获取医疗讯息,健康知识传播的新途径。基于此,本文从社交媒体视角出发,对医药卫生领域进行核心主题识别和关联主题预测研究。通过借助相关方法,进而实现医药领域新兴关联主题的早发现早研究,进而拓宽科学研究视角,点明未来研究方向,对把握当前药物领域研究热点与未来发展方向具有方法意义和现实意义。研究对象:新浪微博官方媒体平台（以下简称微博）中2型糖尿病药物的相关微博数据。研究方法:综合运用python编程语言、共现分析法、LDA主题模型、链路预测等研究方法,借助Origin、Ucinet、VOSviewer等可视化软件,对微博数据进行统计分析。根据微博数据特征,在LDA主题模型基础上引入共现分析,以提升主题生成质量。在此基础上根据二八定律法则,确定文档核心主题词。并以此为基准,通过计算共现强度构建含权/不含权主题共现网络。最后引入多项链路预测指标,每个指标分别用含权和不含权算法对上述网络分别进行测算,综合选取AUC值较高的指标作为最优预测指标。最终在此基础上利用最优指标对网络进行关联主题预测分析。研究结果:核心主题识别分析:通过主题模型分析得到20个核心主题。从主题内容来看,全方位覆盖糖尿病药物领域的方方面面,从民众用药体验、国家政策、药效学、药物行业发展前景等多角度分析该领域未来发展趋势,主要涉及药品安全性研究、糖尿病药品行业发展、仿制药品、合理用药、新适应症、不良反应、药品治疗效果、联合治疗等多个主题。约74.1%的核心主题对,其共现强度值低于该领域的平均值。进而应证了在药物研究领域中,从社交媒体视野出发,对其进行关联主题预测研究的必要性。关联主题预测分析:社交媒体视角下,在糖尿病药物领域主题共现网络中,不含权主题共现网络预测效果优于含权网络,说明节点间的强度值没有正向推动该网络预测的精准度,且最优指标为Katz指标的不含权算法,最终预测出5个关联主题。最后本文从科研文献、专利等角度佐证实验结果的可靠和准确性。研究结论:通过对微博数据中2型糖尿病药物相关微博进行分析,得到关于药品安全性研究、糖尿病药品行业发展、仿制药品、合理用药、新适应症、不良反应、药品治疗效果、联合治疗等20个核心主题,在此基础上从国家政策、药物行业、患者感受、药物研发等角度对该领域新兴主题进行关联预测分析,可以看出在未来最有可能产生链接机会的主题主要包含合理用药和药物作用机制研究、药效学和2型糖尿病治疗方案研究、糖尿病药物行业发展、药物新适应症研究、糖尿病及多病种联合治疗五个方面。