物联网、大数据、云计算、边缘计算等新技术的出现推动着社交媒体的快速发展。在社交媒体平台上,每个用户都可以匿名的发表文章、分享观点、抒发情感、与人互动。如今,社交媒体不仅是很多人的生活方式,也是一个网络社会,为人们洞悉现实世界提供了新且重要的视角。在这样的背景下,学者们尝试着利用社交媒体开展包括疾病在内的各种研究。他们的研究结果证明了利用社交媒体进行生理和心理疾病的研究的可行性和有效性。自卑是一种缺乏自尊、对自己怀疑、不能自助和软弱的复杂情感。在心理学上,自卑被认为是性格上的缺陷。自卑的人情绪低落,郁郁寡欢,性格孤僻。长期受自卑情绪困扰的人,身体机能下降,免疫力降低,进而出现各种病症。但未被检测到和未被治疗的自卑个体却非常之多。一方面,自卑是潜意识的,自卑的人可能没有意识到自己的自卑。另一方面,由于传统的调查方法多采用问卷的方式,被调查者可能担心隐私泄露或其他方面的原因,而不会如实填写问卷,这给学者们了解和研究自卑带来了困难。但很多自卑个体却常在平台上抒发情感,揭示自己的经历,分享心得以及寻求帮助。基于以上分析,围绕着自卑这个主题,本文首先基于科学计量学方法系统地分析了相关研究的特点、热点及趋势,为本文实际开展的针对社交媒体中自卑情绪的研究工作提供理论依据。然后从社交媒体的角度出发,构建了自卑情绪语义模型,应用于自卑情绪语义研究中;在此基础上,引入GIS空间分析方法分析了自卑情绪语义时空演化模式。最后,利用尺度推演、空间数据网格化等方法,实现了自卑情绪关联因子在空间单元的关联表达。本文研究主要从以下几个方面展开:（1）运用科学计量学和可视化方法,分别从宏观和微观的角度探讨了社交媒体与健康医疗、自卑相关研究的特征及趋势。研究结果为本文开展的针对社交媒体的自卑情绪研究工作的可行性和必要性提供了理论依据,同时,也为新涉足相关领域的研究者们,提供了一个综合的、全视角的可视化科学知识结构图谱。（2）利用自然语言处理技术,结合社交媒体数据特点,动态地构建了基于社交媒体数据的自卑情绪语义模型,并通过阈值聚类方法,实现语义基元同义聚类,并通过基于关联的语义基元提取算法,提取代表自卑的语义基元,运用流行学习降维算法实现了语义基元的可视化表达与分析。（3）利用二元划分方法描述语义基元在语义空间中的演化模式。并将GIS中的空间自相关分析方法引入社交媒体语义研究中,挖掘语义基元空间聚集特征,以揭示不同语义基元之间的相互关联,是社交媒体语义分析方法的一种新的尝试,为后续研究提供新的视角。（4）本研究在综合考虑经济、社会、教育及城市内部各种POI等因素的基础上,利用尺度推演、空间数据网格化等方法,实现了以上因素在空间单元的关联表达。通过地理加权回归模型探究了经济、社会及教育等因素对自卑情绪影响,并基于空间网格单元探究了自卑情绪的城市内部时空分异性和演化。