微博,作为当前重要的信息传播平台之一,已成为计算机科学、社会学等学科的重要研究对象。采用社会网络分析的方法研究微博用户行为、发现微博社团有助于掌握用户聚集情况,以便规范网络管理,引导和监控网络空间群体性事件,对维护网络空间安全有重要意义。本文以微博用户行为和微博网络为研究对象,针对现有研究中存在的主要问题,对微博用户行为、微博重叠社团发现以及微博社团可视化布局进行了重点研究。第一,针对现有用户行为的研究中缺少对用户行为综合量化的问题,提出一种用户行为关系紧密度算法。算法考虑用户行为的差异性,计算相邻用户间转发和提及行为数量占双方对应行为总数量的比例,综合关注、转发、提及三种行为得到用户行为关系紧密度。实验使用真实微博数据集验证,结果表明该算法能够有效地反映用户行为关系的紧密性。将用户行为关系紧密度与近期活跃度结合,计算得到用户重要度贡献值,在此基础上提出一种改进的微博用户重要度排序算法。实验结果表明算法能够有效识别近期活跃度高的用户。第二,针对现有微博社团发现研究多是套用传统聚类算法,划分结果不能体现微博用户行为关系的问题,提出一种结合用户行为的微博网络重叠社团发现算法。将用户行为关系紧密度融入贪婪团扩张重叠社团发现算法,针对加权网络转换社区适应度函数。实验表明改进算法更适应微博特性,得到的社团结构更能体现用户行为关系的紧密程度。第三,针对现有社团可视化研究中存在的布局算法难以较好地展示社团结构的问题,提出一种结合微博网络特性的布局算法。引入用户行为关系紧密度用来改进力导引(FR)算法,并通过加入社团内部引力来实现社团内部节点的聚集。实验表明相比以往的微博网络可视化方法,本文布局算法使社团结构明显,算法效率更高。