随着社会媒体的蓬勃发展，数以十亿计的网民在互联网上传内容、分享经验、相互交流，社会媒体为用户提供了随时随地与他人沟通和互动的平台。社会媒体平台上用户沟通和互动过程中产生了海量的多媒体数据，既包括文本、图像、视频等多模态文档数据，也包括用户与这些多模态文档数据交互过程中产生的各种关联数据，甚至还有用户与用户之间的社会关系数据。这些大规模、多模态、复杂异构的数据为观察人类行为提供了一种全新的角度，使得我们在空前的广度和深度下分析和理解人类行为模式，进而更好地为个人和整个社会服务。

社会媒体的数据是由用户自由贡献的，这种开放式贡献机制使社会媒体数据中很大一部分是垃圾数据。如何从高噪声的社会媒体数据中寻找出有规律、有意义的模式和知识就成为了利用社会媒体数据的关键，这也为社会媒体分析的出现和发展提供了环境和机遇。

社会媒体分析具有计算机科学和社会科学的交叉背景，成为了一个快速发展的新领域。社会媒体分析是有社会互动中产生的从社会媒体数据中表示、分析和提取有意义模式的过程，具体包含了多媒体内容分析、数据挖掘、社会网络分析、机器学习、统计学、最优化等领域的技术。社会媒体分析以一种可计算的方式表示、度量社会媒体的虚拟世界，为建模社会媒体、挖掘有意义模式提供了必要的技术工具。

社会媒体主要包括用户、内容和关互三个要素，社会媒体分析的核心是这个三个要素的关联分析、建模和预测。社会媒体分析可以从很多个角度进行分类和归纳，从关联分析、建模和预测的不同层次来看，社会媒体分析可分为基本、微观和宏观三个层次。这三个层次对应的社会媒体分析任务分别是内容理解、用户理解和事件/现象理解。其中，内容理解面向的是代表性媒体内容之间的关联，比如不同模态文档、时间位置等情境信息、以及用户-文档和用户-用户社交交互之间的关联；用户理解面向的是用户的社会媒体行为与用户画像之间的关联，即用户建模，比如人口统计画像、兴趣画像、心理画像等。事件/现象理解面向的是聚合和社会媒体行为与宏观模式的关联，包括对宏观模式的客观反映和主观舆论两个角度。