信息技术和互联网技术在近几年的迅速发展,带动了网络社交平台的火热流行。新浪微博平台就是其中的佼佼者。随着微博用户群体的扩大,每天会产生大量的实时更新的微博,导致用户在海量的微博中不能快速有效地获取自己感兴趣的信息,而将微博进行分门别类的发布和管理是解决这个问题的一个有效办法。相比于普通文本,微博文本具有长度短小、信息量少、特征稀疏的特点,因此给微博文本的分类学习带来了不小的难度。为了克服短文本的种种不足,本文提出了基于二元语法模型的特征扩展方法,扩充微博短文本的特征词,提高分类的准确率。本文对于微博短文本分类的研究主要包括以下两个方面:1.本文提出了基于二元语法模型的短文本特征扩展方法。该方法将二元语法构建为一个词转移的模型,从微博文本的原始词语出发,找到可能的候选扩展特征词。对于特征扩展的过程中可能引入的噪声特征词,本文使用了基于词语相似度的噪声消除方法,提高扩展特征词的质量。本文设计了详尽的实验方案,使用多个数据集对本文提出的方法进行实验验证。实验表明,基于二元语法模型的特征扩展方法能有效地扩充微博短文本的特征数量,提高分类的准确率。2.基于真实的用户微博数据,完成了微博数据分析系统的设计与开发。该系统能够爬取最新的微博用户数据,对其进行多粒度、多角度的分析。该系统实现了社交网络分析、用户关注领域分析、微博关键词提取、基于位置的推荐以及人口信息统计分析等功能,全面地展示了微博用户在线社交的行为特点。