随着网络的迅速发展,网络逐渐融入人们的生活当中。微博近三年急速发展,突发事件检测及溯源已成为热门的研究方向。通过突发事件检测技术,帮助人们自动检测突发事件,随后借助溯源技术找到事件源头,帮助人们进一步了解突发事件的前因后果。本文研究了关于中文分词、微博文本特点、消息和事件传播模型,突发检测模型和用户关系模型,而后基于这两个方面的研究成果,提出了基于MACD的突发事件检测算法和基于多维度分析的微博突发事件溯源方法。本文提出一种结合字典分词和统计分词的新分词方法,迅速、准确切分微博内容。本文提出一种基于MACD的突发事件检测算法,采用考虑用户影响力和用户作息的滑动事件窗口机制,从两个方面提高突发事件检测算法的准确性。创新性地提出一种“词作息表”法,为每个词配备作息表,有效消除用户时间作息和用词时间作息。最后本文利用一种基于突发词距离的事件聚类算法,有效聚类事件。实验证明,该算法能够有效去除用户作息和低质用户带来的伪突发,提高突发事件检测的准确性。本文提出一种基于多维度分析的微博突发事件溯源方法。该方法从微博属性维度、结构维度出发,计算微博初始权重。随后基于行为维度分析微博之间的关系,计算微博最终权重。本文还提出一种基于事件描述词的内容相似度计算方法,较文本编辑距离计算方法,大大降低时间复杂度。本文深入研究用户之间的交互关系,提出基于直接转发与隐含转发的行为分析方法,有效度量权值传递系数。实验证明,该方法具有较低的时间复杂度,较高的溯源准确度。