随着web2.0的发展,社交网络也得到飞速的壮大,各类社交网站和服务的出现,不仅极大地丰富了人们的生活,同时也对人类的社交行为和生活方式产生了深刻改变。对社交网络相关领域的研究是当前网络研究的热点。因为社交网络的独特地位和作用,已经深刻影响了人们社会生活的方方面面，同时也关系到舆论导向、社会安全,甚至国家安全.因此,对社交网络的研究具有重大意义。本文针对社交网络,基于复杂网络理论和改进的ADWP (Activity degree weighted Pagerank)算法,使用图论与复杂网络建模工具Networkx,对社交网络的特征和关键节点识别进行了实验分析和研究。本文的主要工作包括：1.基于复杂网络理论,针对社交网络的拓扑结构,以腾讯微博为代表,计算了相关的无标度和小世界特征,在Networkx平台,验证了这两个特征,并进行了实验分析。2.基于变化的拓扑结构思想,采用删除法和收缩法对节点的重要性进行评估,提出了改进的ADWP关键节点识别算法。本文首先详细介绍和分析了基于PageRank的关键节点识别算法,然后,在此基础上,引入社交网络中用户“活跃度”这个重要因素,在权重分配上进行了改进。即在基于PageRank的依据链接进行分配的基础上增加了用户的“活跃度”作为权重分配指标,更好的刻画出社交网络的特征,改进和完善了原有的PageRank关键节点识别算法。最后,在Networkx环境下以腾讯微博的转发网络为例,验证了算法的基本思想和识别关键节点的效果。综上所述,本文基于Networkx环境,从社交网络的复杂网络特征计算和关键节点识别发现两个方面进行了实验分析和研究。本文的研究工作具有一定前沿性,对同类工作,也具有一定的理论参考价值。