随着网络快速发展,网络社交平台承载了大量的用户原创内容信息。这些信息中隐含着重要价值,在社会、人文方面有巨大研究潜力。同时,计算机领域发展出的数据采集、分析、分类等挖掘等方案,都有较高门槛,且无面向普通用户及普通研究者的可迁移的整体方案。针对上述现状,本文实现了一套用于社交平台中用户原创内容分析的Web系统。系统基于Scrapy爬虫框架二次开发了针对主流社交平台的聚焦爬虫方案,同时支持自定义数据采集过程。系统支持对某事件的参与用户进行基本信息统计,对事件流转过程中产生的文本信息进行情感分析。系统基于LSTM神经网络和随机森林算法,对用户的潜在类别进行挖掘。基于SIR传染病模型对事件的传播、扩散模型进行拟合分析。系统基于Echarts前端组件扩展了丰富的图表对分析结果进行可视化,诸如分析结果、传播模型拟合等过程都采用可视化的方案,更直观的帮助系统使用者完成采集、分析过程。系统采用了多台扩展服务器来执行数据采集、数据分析等高耗时的任务。整体的Web系统基于Flask框架的MVT模式进行开发实现,前端使用Bootstrap框架,系统的主体数据库采用MySQL,使用MongoDB管理采集到的数据集。最终按照设计方案完成了平台需求,并且通过对前端、服务端测试用例的执行,以及完整的示范案例运行验证了平台的可用性。平台界面简洁、分析结果直观且可保存,能够使普通用户及相关研究人员低成本的完成相关数据采集、分析任务。