微博是微型博客的简称,属于博客的一种形式,是通过用户之间的关注关系来分享短小、即时信息的广播式的网络社交方式。微博在近几年迎来了爆炸式的发展,并且逐步成为目前网上最流行的社交场所之一。截至2017年9月,新浪微博的月活跃用户已经达到了3.76亿,每天的活跃用户已经达到1.65亿,微博活跃用户持续稳步增长。目前,微博网络的影响力越来越大,政府、企业、学校、明星甚至各大新闻媒体网站都开通的微博。越来越多的人们参与进来,使微博上每天都产生大量新的信息。为了利用好海量微博信息,挖掘微博的潜在价值,对微博关键信息特别是一些具有大量粉丝的在微博网络中具有较高影响力的用户所发布的微博信息的采集,在网络舆情分析中是很有必要的。因此,本文致力于研究微博信息的采集以及微博用户影响力的分析,并设计实现了一种基于Hits算法的微博采集系统。本系统主要实现的功能为对微博内容进行基于关键字的采集并根据微博用户的影响力大小对采集结果进行排序进而呈献给用户。本文主要工作包括以下几个方面:(1)阅读大量的文献和相关资料并对到目前为止的微博微博信息采集和结果排序算法研究现状进行了初步了解,在掌握微博信息采集和排序的研究背景及意义的基础上,确定了系统的需求分析,制定了系统需要实现的两个功能:信息采集、采集结果排序,并据此学习相关技术,包括网页信息采集技术,API接口调用技术,网页排序算法等。(2)本文将网页链接分析算法Hits算法应用到微博用户影响力的计算上,将微博用户之间的关注与被关注的关系看作是网页之间的连接关系,并结合微博用户的特点对其加以改进提出基于Hits算法的微博用户影响力评价算法。改进后的算法能较好的提高排序结果的准确性。(3)在系统需求分析的基础上,设计了基于Hits算法的微博信息采集系统的各个功能模块,主要包括微博内容采集模块,用户信息采集模块、用户关系采集模块以及利用改进Hits算法的采集结果排序模块。具体地说,微博内容采集模块主要实现了基于关键字的微博内容采集功能;用户信息采集模块主要是根据前一步采集结果的用户名,对各个用户的信息进行采集,包括用户的好友数、粉丝数、微博数等等;用户关系模块主要是对用户之间的粉丝对应关系进行采集;采集结果排序模块主要是对采集结果进行数据分析,计算用户的影响力并根据用户影响力的大小对采集结果进行排序,最后在系统界面上呈现出来。最后对数据库表进行设计,以保证存储数据的完整与准确。(4)在系统层次设计的部分,根据提高内聚、降低耦合的思想,系统运用体系架构分为三层:数据访问层、领域层、表示层;此外,本系统所使用数据库版本是Microsoft SQL Server 2008,开发环境为Visual Studio 2010。最后,通过测试,发现本文设计系统能较好的完成数据采集功能,并能较为准确的提供排序结果。