随着近几年互联网产业的发展,社交网络与人类的生活正在变得越来越密不可分。微博作为社交网络的典型代表,正在受到越来越广泛的关注。微博上的数据越来越丰富,其信息可以涵盖科技、人文、政治等诸多领域。面对这样的海量数据,用户却越来越难以找到需要的信息。微博分析的主要目的就是对海量的微博数据进行筛选和归纳,帮助用户尽快找到需要的信息。本课题就是实现了这样一个微博分析系统。本系统从机构内部的群体用户信息着手,分析用户特征。本课题对系统的整体框架进行了设计,将系统分成数据获取、数据存储、数据分析几个主要模块,尽可能提升系统的稳定性与可扩展性。系统基于Hadoop平台设计,提高了对于大数据的处理能力。在数据获取模块,我们结合网页爬虫和微博API实现了一个功能健全的微博爬虫,完成了数据存储、更新等功能。在数据存储模块,我们对数据库表进行了设计,以实现系统运行效率与存储空间之间的平衡。数据分析模块,本课题从群体、社团内部、用户个人交往圈三个层次着手,进行了用户交往圈、文本、LBS(基于位置的服务)等领域,多个模块的分析,主要功能点包括社团发现、影响力计算、热点话题、关键词提取、微博位置推断等。其中,微博位置推断模块是本文的研究重点。这部分主要是为了解决微博上位置信息过少的问题,从而为LBS其他方面的研究,例如基于微博位置的推荐等内容奠定基础。在这方面,本课题利用词语的空间、时间分布,优化了地区性词语抽取的效果,同时,通过对用户行为和用户关系的关注,大大改善了位置推断的效果。同时,为了更好的解决微博位置类型标注问题,我们还研究了微博文本分类算法,并且取得了良好效果。