随着互联网技术的蓬勃发展,社交网络逐渐成为人们交流和分享健康话题的重要平台。慢性病作为最常见的健康问题之一,对人们的生活质量和身心健康产生了负面影响,而社交网络已经成为慢性病患者获取健康信息的重要来源。为了更好地挖掘和理解用户产生的大量网络健康信息资源,本文构建了一个文本分析框架来识别社交网络上用户主要讨论的慢性病相关话题,并分析用户表达的情感。本文选择社交网络中糖尿病、高血压、抑郁症和自闭症四种慢性病文本为对象,通过网络文本挖掘的方式对主题和情感进行了研究。首先,使用Node XL工具爬取Twitter上四种慢性病相关的网络数据,并利用Python对数据进行预处理。其次,对数据进行词频分析、词云绘制和关键词共现分析。然后,构建基于LDA的主题模型对四种慢性病数据进行主题分析,并在此基础上引入了社会支持理论。最后,使用Sentistrength对四种慢性病推文进行情感计算,并使用SPSS分析不同疾病和社会支持主题在情感上的差异性。经过实验分析和归纳总结,得出了四种慢性病的主题分类结果,主要包括症状描述、诊断治疗、预防控制、寻求帮助、情绪表达和日常生活等主题。同时,四种慢性病的相关内容在社交网络上有着丰富的社会支持。情感计算的结果显示,总体上消极推文的数量最多,积极推文数量最少,并且四种慢性病的情感得分的差异都具有显著性。在社会支持主题上,有形支持与其他三种社会支持的情感存在较大差异。除此以外,研究还表明生理和心理两种类型疾病的推文在主题和情感上存在一定差异。本研究在理论层面上补充了对社交网络中慢性病的研究,在实际应用中有助于引导社交网络用户关注与自身疾病相关的内容。