随着微博、微信等社交媒体的发展,智能终端的不断涌现,这些新兴事物在改变人们生活方式的同时,也带来了体积庞大、多重维度、非结构化的信息数据。多数研究者认为,这些数据是这个时代赐予的宝藏,面向数据科学的研究也愈演愈热。本文从三个方面论述了面向新浪微博数据的研究工作：首先是微博数据的采集,其次是基于用户微博数据的情感新词发现,最后是基于微博转发数据的传播网络可视化研究。(1)针对新浪微博数据采集方法,本文首先对比分析了两种不同的新浪微博模拟登录验证方式,分别探讨了两种方法的利弊。其次,在获取验证之后,介绍了新浪微博四类数据的采集过程,分别为用户个人信息,用户微博信息,用户关注列表和单条微博的转发和评论数据,为后续的研究奠定了语料基础。(2)针对用户的新浪微博数据,由于其口语化、非正式等特点,常常伴有大量情感未登录新词出现,本文基于用户的微博数据进行了词语级情感倾向性判断的研究。首先采用基于统计量的方法,识别微博语料中的新词,然后利用神经网络去训练语料中词语的词向量,获取词语之间的内在联系,最后提出了基于词向量的情感新词发现方法。从实验结果来看,本文的方法具有一定的实用价值。(3)针对新浪微博的转发数据,本文对单条微博的传播过程做了WEB可视化的分析。首先通过微博转发数据,构建传播网络。然后根据转发者个人信息数据,从三个方面：节点的筛选、层次化的信息展示以及交互式功能的设计论述了可视化的实现过程。通过可视分析的方式,简单、快速的找出微博传播过程中至关重要的节点,判断消息传播的影响范围。