伴随互联网和移动通信的发展,越来越多的人利用社交网络进行社会活动,由于社交网络上的信息不受限制传递和无限传播的性质,影响了各国人民的生活。近几年的活动中,尤其是在西亚北非政局动荡、流浪动物救助、日本地震等事件中,社交网络已经成为人们组织政治活动、发起公民运动、实施危机救助的平台。社交网络是人们生活的重要组成部分之一,吸引了许多学者进行研究。网络中心节点的评估和社区发现是社交网络研究中的经典问题,长期以来都有广泛的研究。本文专门针对微博网络进行这两方面的研究。微博用户数量庞大,用户之间的交流方式多种多样,微博用户之间的关系与一般社交网络有所区别,利用微博平台上用户交流的方式和微博网络的特点达到识别网络中心节点和社区的过程是本文的研究重点。论文的研究工作如下：(1)分析影响微博用户重要性的因素微博上的操作：发布、关注、转发、评论四种主要功能,对微博信息的发送、接受、传播广度和深度均有不同的影响。本文从用户的这几种基本操作入手,分析影响用户重要性的因素,分为正面提升用户影响力的因素和恶意提升影响力的因素,再进一步分析这些因素是如何体现在计算影响力大小过程中的。(2)提出了基于PageRank算法的微博网络中心节点发现算法——WreiboRank算法在对影响微博用户重要性因素的分析上,利用PageRank算法的原理,结合微博网络中影响用户自身的影响力的因素,提出WeiboRank算法,对网络中用户进行评分,以达到识别出中心节点的目的。(3)提出了基于网络中心节点的微博网络社区发现算法在识别出微博网络的中心节点后,利用微博网络中存在的大量星状子图结构,提出CN-WeiboCD算法,以实现微博网络中的社区划分问题。算法首先识别出仅由中心节点构成的社区,再利用中心节点到旁节点的拓扑势,将旁节点一一归并到联系最紧密的社区中,最终达成社区划分的目的。最后通过实验证明,CN-WeiboCD算法能有效的发现微博网络中的社区结构。