随着移动互联网的发展,社交网络成为人们之间交流沟通的一种重要途径。人们可以通过社交网络进行信息发布和实时聊天。社交网络的流行产生了新的信息传播的方式。在改变着人们生活方式的同时,社交网络已经吸引了大量学者对其进行研究。近年来,新浪微博作为一种新时代的社交网络工具,以其方便性和实时性吸引了大量用户使用。据不完全统计,截止2016年新浪微博的活跃用户人数已经达到了2.36亿。微博具有用户量大、信息传播和更新的速度快的特点,在微博网络中有严重的信息超载现象,所以通过评估的用户影响力来进行有效的推荐,可以降低超载现象,提高用户的满意度。本文通过对社交网络拓扑结构和用户属性的分析和研究,提示了一种新的评估用户影响力的算法。主要工作如下:1、社交网络结构研究。获取社交网络中真实的数据,分析不同类型用户的粉丝数和关注数的特点,计算出用户的绝对互相关注率和相对互相关注率,应用复杂网络和社会网络理论,研究了社交网络中的节点、边、网络拓扑结构的特点。以新浪微博为例,分析研究了新浪微博网络的形式化界定方法和消息传递形式,为后文提供理论依据。2、用户属性研究。本文将用户属性分为固定属性和非固定属性,通过分析发现粉丝数和关注数能反映用户在微博网络中的影响力和活跃度,但其数值受固定属性的影响。通过对用户数据中基本参数的统计并计算分析用户的相互关注度,从而得出评估用户影响力指标。3、用户影响力评估算法研究。改进PageRank算法的量化方法是针对影响用户影响力因素,基于用户和用户之间的网络拓扑关系,研究迭代计算每个用户的影响力值的方法,从而发现社交网络中具有影响力的用户进行推荐,实验结果与PageRank算法进行比较。