社交平台对现实世界的影响力在不断提升,2016年美国大选期间剑桥分析公司通过对Twitter用户的分析,针对用户精准地推送不同话题的政治广告和新闻,成功地提高了民众对特朗普的支持率。因此,通过对社交平台话题演化进行分析从而进行舆论引导是有意义的。当前话题演化的研究大都针对新闻报道等文本信息,忽视了社交平台文本信息占比少用户行为信息占比高的特点。针对这个问题,本文先对数字舆论场进行了设计,然后通过融合用户行为信息,进行了社交平台的话题关联分析和社交平台话题演化分析,开展了以下工作:首先,本文对数字舆论场进行了设计。在现有的舆论场概念模型的基础上,对数字舆论场进行了设计,完成了基于微服务的数字舆论场架构设计和数字舆论场数据源梳理,并对数字舆论场数据模型、数字舆论场功能和数字舆论场微服务进行了设计。其次,本文提出了一个社交平台话题关联分析算子和一个增量式社交平台话题演化分析算子。社交平台话题关联分析算子通过将舆论信息建立成异质复杂网络的方式,运用社交平台话题关联分析方法,发现关联话题并对话题间的关系类型进行界定。增量式社交平台话题演化分析算子通过将一段时间的舆论信息通过切片的方法建立成动态网络的方式,运用增量式话题演化分析方法,挖掘出相近时间片的话题关系形成话题演化的过程,并且通过增量式的计算方法减少时间开销,从而对社交平台话题演化进行探究。最后,通过爬取白宫账号的推文数据运用两个算子进行了实证分析。实证的过程设计了一个系统,通过将社交平台话题关联分析算子和增量式社交平台话题演化分析算子集成到系统中,并对分析结果进行可视化,可以对社交平台话题进行有效的关联分析和演化分析,分析结果对于话题推荐和舆论引导有着一定的参考价值。综上,本文以数字舆论场中的社交平台话题分析为研究对象,先对数字舆论场进行了设计,然后通过融合用户的行为信息提出了一个社交平台话题关联分析算子和一个增量式社交平台话题演化分析算子,经过实验验证了算子的有效性。通过爬取Twitter数据并设计了系统进行话题关联和话题演化的实证分析,分析结果可以用来做话题推荐和舆论引导。