在互联网普及的今天,BBS(Bulletin Board Systems)因为其数量多、规模大、用户多,已经成为了互联网中重要的信息交流平台。国内外的学者对BBS中的社会网络的特性和用户行为都做了相应的研究。由于BBS中的意见领袖对网络舆情的产生和发展有着重要的指引作用,他们往往能影响大部分人并成为消息传播过程中的重要节点,因此挖掘和识别网络社区中意见领袖有着重要现实意义,并成为了BBS网络中用户行为研究的重点方向之一。BBS网络的研究主要分为两种,BBS网络拓扑结构测量和BBS用户行为研究。本文以BBS网络拓扑结构测量为基础,研究了BBS中意见领袖的识别。本文在对BBS网络拓扑结构进行测量时,针对不同的研究目的选取了不同的网络模型,并引入复杂网络研究方法,同时还考察了连接数以及版块网络的特点。本文根据拓扑结构测量的基础提出了兴趣三层模型,并在此模型的基础上改进了意见领袖识别算法。兴趣即是用户对事物喜好的倾向,在BBS中不同的兴趣可以用关于不同事物的话题群表示。本文结合聚类算法和分类算法的优势,基于话题文本对话题进行聚合,形成BBS中的兴趣,根据这些兴趣则能够有效识别出对这一类话题感兴趣的兴趣团体。并对用户的回帖进行情感分析,以得到真实的权威度。根据上述改进,本文提出LeaderRank意见领袖发现算法,并通过实验证明该算法能有效提高意见领袖挖掘的准确度。本文以某部署高校BBS作为实验数据做了相关复杂网络分析,并研究了连接数和版块网络的问题。提出BBS用户话题兴趣的三层模型,并以三层模型为基础改进了意见领袖识别算法,提高了意见领袖识别准确率。