随着移动互联网的发展,人们在工作生活中已经离不开社交网络,并积累了大量社交关系数据和文本数据。而公安部门在案件侦查方面也越来越依靠这些数据:利用关系数据,可以识别关键嫌疑人、分析组织结构的演化机制;利用文本数据可以检测案件相关话题。从而帮助侦查员拓宽思路,选择侦查突破口,具有重要应用价值与现实意义。本文的主要工作包括:关键嫌疑人挖掘、动态组织挖掘、嫌疑人话题取证的研究及社交网络辅助侦查系统的设计与实现。具体如下:首先,针对关键嫌疑人挖掘问题,提出基于多查询节点的关键节点挖掘算法。该方法将已知嫌疑人作为查询节点,提取其所在的局部拓扑结构,并通过计算局部拓扑结构中非查询节点的关键程度,从中选择关键程度较高的节点进行推荐。实验结果表明该方法识别出的关键节点结果准确率均高于传统关键节点发现算法。其次,针对动态组织挖掘问题,提出单时间片组织发现算法EnhancedLabel Rank和组织的动态演化跟踪算法。前者在Label Rank算法的基础上,引入多个相邻时间片的互补信息以增强单时间片上的组织发现效果;后者使用Enhanced-Label Rank算法的结果,识别出7种组织演化状态并生成组织的演化链。实验结果表明,Enhanced-Label Rank算法在多个数据集上表现优于传统的单时间片组织发现算法。再次,针对嫌疑人聊天文本中句子较短、单句特征词较少和表述不规范的特点,设计了短文本话题词检测处理方法。该方法通过句子表示向量生成、短文本聚类和话题词提取三个关键步骤,实现了文本话题检测。实验结果表明,本文方法精确率和召回率等指标比传统方法平均分别提升42%和30%。最后,基于上述研究内容,设计并实现了社交网络辅助侦查系统,为关键嫌疑人挖掘、动态组织挖掘和嫌疑人话题取证等问题提供了有效的技术手段,系统测试结果表明该系统可以达到预期目标。