意见交换模型旨在描述舆论形成的过程，力求揭示社会制度的内在机制。 但是，很少使用大型实际数据从经验上证明模型结果是正确的。 在线社交媒体提供了大量关于意见互动的数据，但是关于意见模型是否适合表征社交媒体上意见形成的问题仍然需要探索。 我们从实际的社交网络（即Twitter）收集了大量的用户交互信息，并分析用户对不同主题的动态情绪，以调查现实的观点演变。 从这些数据中我们发现两个重要的结果。 首先，公众舆论经常演变为一种有秩序的状态，在这种状态下，一种意见占主导地位，但没有达成共识。 其次，代理人

随着社交网络平台的快速发展和移动终端的广泛使用，基于社交网络数据的主题分析技术越来越受到人们的关注。 由于数据长度短和内容碎片化的严重性，基于社交网络的话题分析技术已经发展成为三个主要部分：信息恢复，话题检测和话题演化。 其中，信息恢复是主题检测的基础，主题演化依赖于主题检测。 在三部分相关工作的特点总结的基础上，考虑了社区，影响力和用户等因素，提出了社交网络主题分析的通用模型。 阐述了话题分析技术的内在过程，是社会网络上话题分析技术的有效总结。

随着信息技术的飞速发展和信息的广泛应用，社交网络正变得越来越方便和快捷地用于信息发布和获取。 预测主题受欢迎程度对于在线推荐系统，营销服务和舆论控制非常重要。 在本文中，我们借助时间序列分析方法预测主题的受欢迎程度，验证了ARMA模型在主题受欢迎程度预测中的有效性。