以新浪微博为代表的社交媒体中存在着数以亿计的用户，他们通过这类平台进行内容的发布、传播与评论，在产生大量内容信息的同时，他们之间的关系也在日益扩展。整个社交媒体由一个一个用户实体（User Entity）互相连接而成，而这些用户实体的线下行为也逐渐的迁移到了线上。因此，如何通过用户的线上行为来对用户进行分析显得尤为重要。微博媒体上的人物在交互过程中会产生关系和内容，关系分析可以挖掘出用户的密友、校友和同事等等，而内容分析可以用来做话题的识别、话题的分类、兴趣的挖掘等等。针对关系分析，文章介绍了一种基于机构识别的社区划分算法。针对话题识别，文章使用了一种基于主题模型的相似度计算方法。分析的技术需要有应用的场景，人物分析的技术主要用来作人物推荐和信息推荐。本文针对微博媒体分析了人物数据的特点，介绍了一种利用多维度推荐的人物推荐算法，并且通过实验验证了它比传统推荐算法更加准确。同样，对于信息推荐算法，文章分别从三个方面进行了阐述：微博博文的长度、微博与用户的相关性以及用户之间的熟悉程度。本文最后根据人物分析的方法开发出了一个应用系统：基于新浪微博的人物分析系统。