近几年，由于微博的出现，社会化媒体取得了快速发展。微博媒体每天产生大量的信息，信息传播的速度也非常迅速，改变了人们获取信息的方式。在Web2.0时代，在国内，以新浪微博为代表的社会化媒体，其注册用户数目已经超过5亿。每天的活跃用户数也已经超过5000万。微博上每个用户都有个关注列表，作为其接受信息的信息频道。通过信息频道，用户与用户之间形成了关注关系，构成了一个巨大的微博社会网络。本文主要研究微博网络，根据社会学研究人群的方法，通过分析微博上的某一类人群的属性，其中包括，人群影响力，挖掘圈子等属性特征，并对其分析结果进行可视化展示。本文相信将对微博网络安全、微博营销、广告的精准投放以及基于微博媒体的电子化商务等产生实用价值。下面详细介绍本文的研究内容，其中包括以下四个方面：首先，本文先介绍了数据获取的新浪微博媒体，新浪微博的微博开放平台。通过新浪微博开放平台，重点说明了群体分析数据获取的方法，以及群体分析系统存储数据的方式。其次，本文主要是群体分析。按社会学一些现有的分析方法对微博人群进行分析，计算人物的一些属性信息，包括人物的影响力、关系强度等属性。并对分析结果进行了可视化展示。还有，本文对微博社会网络中的团体挖掘做了研究。介绍了传统的网络团体挖掘算法，并提出了一种新的社区发现的算法，称为基于用户兴趣的社区发现算法。微博社交网络是一个巨大的网络，对其进行计算分析，效率要求较高。因此利用机器资源的优势，把算法并行化，对提高算法的效率很重要。本章最后采用Map/Reduce框架，实现了标签传播算法的并行化，对通过实验对比了算法的效果。该算法不论在计算效率还是社区发现效果上比传统算法都具有明显的提升，取得了不错的实验效果。