近年来,随着社交网络的不断普及,各种社交媒体层出不穷,微博作为目前交互性和实时性最强的主流社交媒体之一,为用户提供了自由发表言论和获取其他信息来源的平台,从而形成了海量数据。很多现实世界发生的突发事件在微博上被发布传播,微博上还没有形成完善的监管措施,突发事件在传播过程中会形成一些虚假信息、谣言等虚假言论,这类信息会污染网络环境,经过不断传播,放大了虚假言论对社会带来的不良影响。因此,对微博进行突发事件检测与溯源研究,可以及时了解社会舆情动态,同时也可以掌握事件源头,帮助政府等相关部门从源头上控制事件传播。由于微博含有不规范的文本,结构不统一,且数据量大,针对突发事件自身的突发性这一特点,本文提出了一种基于热点话题的微博突发事件检测方法,首先根据事件的突发性,根据前后两天的数据对突发词的值进行了计算,选择具有高突发值的词作为重点突发词,对这些重点突发词建立一个共现矩阵,通过共现矩阵可以计算出重点突发词的相异矩阵,然后在此基础上使用凝聚层次聚类算法得到热点话题,使用离散型朴素贝叶斯分类算法训练一个分类模型,使用这个模型对热点话题进行分类,由此检测出突发事件及类型。针对突发事件源头不一定就是发布时间最早的用户,而是影响力越大的微博成为事件源头的可能性越大这一问题,本文提出一种基于影响力分析的微博突发事件溯源方法,该方法分别从微博用户影响力和微博事件影响力两个方面进行研究分析,用户影响力从意见领袖、用户粉丝、用户等级,用户认证权重等角度分析,事件影响力从微博内容的发布时间、原创性、文本相似性、转发数、评论数等角度进行分析,最终结合这两方面的影响力发现事件源头。实验结果表明,本文所提突发事件检测方法可以有效过滤一般热点话题,检测出突发事件及其类型;所提基于影响力分析的微博突发事件溯源方法对事件源头发现具有较高的准确度。