新型冠状病毒(COVID-19)疫情爆发期间,涌现出了众多的抗疫意见领袖.通过对意见领袖话题传播和演化进行分析研究,可以为网络舆情治理和疫情防控提供理论和知识支撑.采用N-Gram语言模型和Shin?gling相似度算法相结合的方式进行话题检测,再通过Neo4j图数据库存储与检索意见领袖、话题、事件等多维实体特征,构建以意见领袖为核心的话题图谱.实验结果表明,话题准确率达82.3％,召回率达81.6％,与传统Single-Pass聚类相似度算法相比均有所提高.通过对图谱分析,能够简单直观地展示出不同实体间多维舆情关系.同时,可以提高检索速度和分析效率,符合舆情传播客观规律.