微博作为一种新兴的社交平台,在社交网络中占据了十分重要的地位。由于微博有信息传播迅速、实时性强、交流方便等特点,因此它吸引了大量来自不同行业、领域的用户。正是由于微博用户职业的多种多样,兴趣的多种多样等,导致了在微博网络中存在许多不同种类的社区。微博社区发现的主要目的是通过采用某种方法,对微博用户网络进行组织与划分,以使相互之间有最大相似度的微博用户聚集在一起,从而形成一个个的微博社区。显然,可将数据挖掘技术应用于微博网络,以达到发现微博网络中的社区结构的目的。该研究领域业已存在相当数量的社区模型和社区发现算法,并取得了一定的研究成果。随着互联网技术的发展和社交工具的日益推广应用,人们的社交方式也在逐渐改变,对社区发现研究提出了新的挑战。基于以上背景,本文在分析已有微博社区发现技术的基础上,针对传统算法大多仅考虑单一因素,难于有效识别微博中多个社区的问题,借鉴社会网络分析思想,综合考虑微博用户的主题相似度和链接关系,基于标签传播算法展开微博社区发现的研究,主要研究内容为:(1)以新浪微博为例,分析研究了微博的类型、结构特征与功能,分析了微博社区的无标度性、链接关系与同质性。(2)研究了社区发现的经典技术与文本分析的基本方法,并进行了对比分析。(3)针对微博这一被广泛使用的社交媒体,在将其抽象成为一个网络之后,以标签传播算法为基础,通过分析网络中节点的主题相似度及不同节点之间的标签传播概率,提出了一种从复杂网络分析角度出发进行研究的微博社区发现算法,并针对新浪微博数据集,与GN算法和Spectral Bisection Method进行了初步的对比实验,实验证明了本方法的有效性。