当今的互联网不仅仅只为人们提供信息,还已经变成了人们互动和沟通的平台。微博是当前最有影响力的在线社交网络平台之一。以国外的Twitter和国内的新浪微博为代表,它们都拥有海量用户,用户之间形成了超大规模的有向关注网络结构,和针对话题的广泛讨论与传播。鉴于微博的这些特性,目前它是在线社交网络领域的热门研究对象。微博正改变着人们获取信息和沟通的方式,它也具有极高的研究价值。本文的研究方向是基于微博的用户节点影响力评价和社区发现。论文做了如下主要工作：一、微博数据的准备工作,包括数据的采集和存储,以及被运用在了2011年TREC微博检索评测中的微博数据一些特有的预处理方法。二、基于PageRank的思想,按照关注关系计算了Twitter和新浪微博的用户节点影响力,和按粉丝数排名进行了对比,发现PR值能够有效去除僵尸用户,但其他排序结果相似。三、爬取了7个特定话题的微博,从中抽取出转发关系形成7个话题传播网络,计算出每个话题网络中的用户影响力。和按照转发数和粉丝数排名进行了对比后,发现基于转发关系的RetweetRank有效降低了粉丝数目的过大影响,能找出相关话题里拥有较大影响力的用户。四、基于词间激活力WAF的思想,提出一种新的社区发现的算法。计算出微博网络中任意两个节点的亲近度,亲近度值高的节点聚集在一起,形成重叠的社区。在大约1W个节点的网络上进行了实验,并和传统社区发现算法的结果进行了对比。