Web2.0技术的诞生和发展促进了社交平台的快速发展,问答社区、博客、论坛等各种类型的社交平台走进人们的视野并获取了大量的关注。随着社交平台用户量快速增长,社交平台的价值也被深入挖掘,之后智能手机的普及和移动互联网技术的突破使得社交平台的发展突破了终端的限制。现如今,社交平台在日常生活中发挥着越来越重要的作用,市场营销、舆情引导、知识共享、政务公开、突发事件应对等等,社交平台已经成为不可缺少的信息源,越来越多的年轻人倾向于从社交平台获得最新信息。用户在社交平台中进行互动,彼此之间有了信息的交流。社交平台及其用户可以看作一个复杂的网络,用户是网络中的节点,用户之间的信息交流是节点之间的连边,这个网络叫做社交网络。社交网络中用户的活跃程度不尽相同,从复杂网络理论的角度来看,就是网络中节点的度不同。一个节点的度表示与一个节点相连的边数,也就是用户与其他用户交流的次数。除了度还有一个重要的指标——介数,节点的介数表示网络中经过该点的最短路径的数量与最短路径总数的比值。度数和介数越高的节点,在网络中越重要,对网络中的信息传播起到的作用越关键。本文研究对象是社交平台中的专家用户群体,称之为“小众专家”。“小众专家”活跃于社交网络中,与其他用户互动频繁,获取了大量用户的信任,在信息传递,知识共享,舆情引导方面发挥着重要作用。由于现有的专家识别都是基于学术资源或者学术平台进行,忽略了社交网络中的专家用户,所以本文以社交网络中的专家用户为研究对象,目的是通过识别这部分专家用户完善专家发现结果的集合,同时对通过关键节点提高社交网络中知识共享,信息传播,舆情引导等的效率有重要意义。社交网络中的“小众专家”的特点是与其他用户互动频繁,在领域内的社交网络中具有较高的度数和介数。本文根据“小众专家”的这一特点,利用复杂网络分析软件,设计了根据节点的度数和介数获取节点在网络中的权重,然后根据节点的权重排序来识别网络中“小众专家”的方法。获得“小众专家”后,通过引入时间权重对其在网络中不同年份的权重值进行重新计算,将早年的“小众专家”节点与新出现的“小众专家”节点区分开来。本文还应用聚类分析方法探究了“小众专家”群体随时间增长和语义环境变化的稳定性特征,对“小众专家”群体进行了细分。本文以美国社交博客MetaFilter从2007年至2016年十年间的用户关系数据作为实验数据。使用复杂网络分析软件Pajek构建用户关系网络,计算网络中节点的拓扑指标,使用VOSviewer软件获取用户节点在网络中的权重排名,将“小众专家”筛选出来。通过聚类分析发现,“小众专家”随时间增长和语义环境变化的稳定性都不强。就本文的实验结果来说,约有10%的“小众专家”用户随时间增长能够保持稳定性,约有11%的“小众专家”用户能够在多种语义环境下保持核心用户的影响力。由于“小众专家”群体的这种不稳定性,需要在识别“小众专家”和扩展专家集合时抓住“小众专家”中的核心专家,提高专家集合的质量。