鉴于微博不但有媒体的传播特性,还有着社交网络的一些典型特性,所以对于微博的研究可以从社会网络、新闻传播等各种不同的角度进行。本文设计了针对微博的网络爬虫来抓取数据。在抓取的数据基础上,对微博网络结构进行了初步分析,并提出了一种新的评价微博网络中节点影响力的算法。本论文的主要工作有以下三个方面：首先,设计了一个通用的微博爬虫,可以对大量的微博数据进行抓取与存储。其次,通过对微博网络结构进行分析,发现微博网络具有无标度特性和小世界特性,而且微博网络的度分布服从幂率分布。这些特性都是复杂网络的典型特性,可以采用复杂网络分析的方法对微博进行了分析。最后,本文在网络搜索引擎PageRank算法的思想之上提出了一种新的关系重要性算法(IIR, Important-Relationship Rank)来评价微博网络中节点的影响力,该算法考虑了用户发布微博的活跃程度和网络影响力。本文使用了Hadoop分布式计算平台,通过MapReduce编程框架实现了该算法,利用分布式计算来减小大规模数据分析计算所消耗的时间,提高了分析效率。通过计算网络中各个节点的影响力大小,找出了在网络信息传播过程中起关键作用的节点,这对于研究微博网络中的信息传播很有帮助,也为微博网络中的舆情监控提供了帮助。微博作为一个新的信息传播平台,在应用及研究上都具有非常广阔的前景,特别是在信息推荐、新闻传播、用户行为分析以及人类动力学等方面。研究微博舆情的目的就在于发现其在应用及研究中的潜在价值,这也是推动技术不断进步的动力。