在线社交网络的用户关系在一定程度上是现实用户关系的映射。与面对面交流相比,在线社交网络具有更强的信息发布、交流和共享能力。热门事件仅需几分钟就能在数百万网络用户中传播开来,继而成为热搜。为了追查和快速控制谣言、热点事件、群体情绪乃至国际局势的趋势,可收集在线社交网络中与特定话题相关的数据,进行在线舆情分析。为了收集并分析特定话题下的重要数据,需要找到与特定话题对应的有影响力的用户集合,即找到具有最大价值的目标用户集合。同时,在线用户之间的热点话题传播有规律可循。因此,为了高效地从在线社交网络大数据中筛选出有价值的内容,话题收集与传播机制研究势在必行。本文以在线社交网络为研究背景,结合与中国电子科技集团公司电子科学研究院的合作项目“数据定向采集检测与反溯源信息传播研究[BH2018-CF03-1]”的需求,对话题收集与传播机制展开深入的研究,主要的工作成果表现在以下几个方面:（1）针对高复杂度的海量在线社交网络数据分析导致的响应时间过高问题,引入用户的综合影响力,提出一种活跃度与影响力并重的目标用户发现与话题收集方法。尝试将用户基于拓扑的静态影响力和参与话题的活跃度相结合,对用户进行综合评估;设计并使用树索引结构对用户按参与话题类别和频次进行层次划分;采用分层检索,在满足时间效率下实现话题收集。爬取在线社交平台的实时热点话题传播信息作为验证数据集,实验结果和性能分析证实了用户综合影响力计算与话题收集算法的有效性。（2）针对在线社交网络中异质用户对传播效果的差异性问题,将用户分为不同等级,提出一种基于地位理论的话题传播机制。面向包含多个影响力等级用户的在线社交网络,考虑话题传播过程中用户的信息认同度、接受时间窗口、并行传播等重要因素,设计了用户话题信息认同度的更新规则;提出STB传播模型（Status Theory Based Model）,模拟热点话题在网络中的传播过程;基于综合影响力,选择种子节点;将爬取的实时热点话题传播信息作为数据集,与其他经典传播模型进行对比分析,实验结果与性能分析表明所提STB模型的预测精度更佳;以迭代次数和传播范围作为基准,验证了地位理论在话题传播中的存在性和有效性。