以微博为代表的社交网络平台在日常生活中越来越活跃。微博平台上众多微博用户实时产生的海量微博内容,带来了信息冗余的问题,给用户的使用体验带来挑战。发现微博用户个人喜好和兴趣,为用户带来效率更高、更精确的使用体验;识别微博用户的行为意图,为微博营销平台提供更加精准的指导,是微博研究中两个重大问题。本文较为深入地研究这两个问题,提出了解决方案。发现微博用户的兴趣,面对的主要问题是微博文本的短文本特性。传统文本处理方法在特征稀疏、微博文本上下文依赖性问题上有着局限性。本文基于传统LDA特征拓展方法进行改进,将文本-主题分布中的文本主题特征引入文本特征空间,进一步拓展特征。利用主题模型识别微博中的多义词,消除多义词影响,进一步提升分类算法的性能。通过实验来验证方法的有效性。识别微博用户的意图,是微博研究中较为新颖的领域。在本研究中,先提取潜在的意图微博,根据意图微博特征,将包含意图指示词的微博提取出来。然后根据图传播模型对微博进行意图分类。并通过实验来验证该方法的有效性。