突发话题传播建模与预测的主要目的是对网络中可能产生不良影响的、紧急性突发事件的后续传播进行控制。目前微博网络中的话题传播与预测研究尚处于起步阶段。通过对病毒传染模型、消息传播模型以及话题传播模型的深入研究，提出一种基于微博粉丝关系、用户活跃度和影响力的话题传播模型，将微博用户集合划分为感染用户、易染用户和免疫用户，分析感染用户和易染用户的粉丝关系，预测下个时间窗口内被感染的用户规模。沿用话题传播模型研究中的“内外场强”概念，通过研究发现“内场强”和“外场强”有特定的比例关系，基于用户群的规模大小，分别提出基于用户和节点规模的话题传播预测算法。相关实验表明，基于用户的算法预测更为准确但是时间复杂度较高，基于节点规模的算法则更适合大规模数据集的处理。

针对微博信息噪音大，新颖度难以判断的问题，在动量模型的基础上进行优化，提出基于逐步分析的微博突发话题检测方法。动量时间序列分别对信号频域分析理论和股票趋势分析理论进行建模，分析特征的频域特性来识别重复伪随机特征，分析特征的新颖程度来识别间歇性伪突发特征，合并过滤后微博数据实验表明，该方法有效提高了突发话题检测的准确率和F值。