用户影响力分析是社交网络中重点研究的问题之一,受到了国内外研究人员广泛的研究兴趣。用户影响力是具有话题区别性的,目前用户影响力研究大部分没有针对不同的话题领域进行研究,而且一般研究只是针对用户的一种行为关系进行分析,忽略了用户之间不同类型的行为关系之间和行为与话题内容之间的关联。并且传统的微博话题分析大部分针对整个话题事件进行研究,而忽略了热门话题中子话题发现的研究。针对上述问题,本文具体的工作内容和创新点如下:(1)针对目前缺乏对微博热门话题中子话题发现的研究的问题,本文提出了改进的基于时序的微博子话题发现方法,采用改进的子话题关联度算法度量子话题在相邻时间片的变化。首先将本文采用的数据集进行文本预处理;然后对时间序列进行时间片划分,针对不同时间片进行文本划分;再针对每个时间片的文本集合利用LDA话题模型进行子话题提取;最后对所提取的子话题进行话题关联度计算,准确获取热点话题中的子话题。实现表明,本文改进的子话题关联度算法能够精确度量每个时间片和相邻时间片子话题之间的相似度。(2)针对现有用户影响力分析方法一般只考虑用户之间单一的交互关系的问题,本文提出了一种改进的用户影响力算法。首先根据微博某个话题中用户之间的交互关系和用户之间的关注关系,构建微博信息交互网络模型;然后通过微博信息交互网络模型计算用户交互强度,并根据这三种关系强度计算出交互强度因子;最后通过引入交互强度因子来构建基于交互关系的用户影响力分析模型,从而对热门话题中的用户影响力进行分析。基于Twitter真实数据的实验结果表明,与其他对比算法相比,改进的算法在准确率、召回率和F值上都有明显的优势。综上所述,本文根据微博用户影响力是具有话题区别性的,以及不同的行为从不同的角度体现微博用户的影响力等因素,研究了微博热门话题中子话题发现方法和基于交互关系的用户影响力分析方法,该研究在广告投放、舆论监测、病毒营销和紧急事件预警等领域具有重要的应用价值。