微博客作为一种新的舆论载体和传播途径,在网络舆情信息发起和传播中起着越来越重要的作用,其影响已经达到其他舆论载体不能替代的地位。微博客与传统的博客、论坛和商品评论等载体相比,有许多新的特点,其中最突出的三个特点为：无障碍、短消息和实时性。基于这些特点,对微博客进行网络社群的构建以及意见领袖的挖掘是很有必要的。本文主要研究工作分为两部分：基于用户标签的网络社群构建及意见领袖的挖掘和基于LDA的话题讨论网络社群构建及意见领袖的挖掘。针对意见领袖的挖掘,提出了两个微博客意见领袖衡量模型：微博客用户意见领袖衡量模型及微博客话题讨论中微博意见领袖衡量模型。第一部分利用微博客用户标签对微博客用户进行网络社群构建,同一社群中的微博客用户含有相似标签,表明具有相似的兴趣度、身份等。微博客用户意见领袖衡量模型从群众关注度、自身活跃度及自身价值度三个方面综合衡量了微博客用户的影响力,最后根据层次分析法对多个因素进行科学地权值分配。第二部分利用微博数据对同一话题的阐述侧重点不同进行网络社群的构建,同一社群中的微博客数据对话题阐述的侧重点相同。利用微博客分类构建网络社群,提出利用LDA语义信息,基于类别特征词的微博客分类算法,并将其与现有的基于支持向量机的分类算法进行比较。话题讨论中微博意见领袖衡量模型从显式影响力、隐式影响力及用户影响力三个方面综合考虑了微博的影响力,最后根据层次分析法对多个因素进行科学地权值分配。实验表明,本文提出的两个意见领袖衡量模型对微博客意见领袖的挖掘是有效的。同时,针对本文的微博客分类需求,本文提出的基于类别特征词的方法较基于支持向量机的方法具有更好的效果,而对于垃圾数据的清除,基于支持向量机的分类方法则有更好的效果。