互联网的蓬勃发展,使得网络媒体中蕴含着海量的信息。社交网络作为一种特殊的网络,其中充斥着大量的人类活动的数据信息,具有很高的研究价值。但是,网络媒体信息通常具有分散的特点,导致网络媒体中的信息难以被直接利用。因此,对网络媒体信息进行数据采集,是进行网络媒体数据分析及数据挖掘的先决条件。海量网络媒体信息采集是指通过网络爬虫或数据API接口提取等技术手段,达到获取网络中感兴趣的数据的目的。不同于一般的网络媒体信息采集,对社交网络进行信息采集首先需要对社交网络账号进行登录,因此确保社交账号保持正常的状态是社交网络数据采集的前提。现有的针对社交网络数据采集的研究中很少有关于账号模拟的功能设计,无法确保账号保持正常的状态,因此难以保证网络媒体数据的稳定获取。另一反面,现有的网络媒体数据采集大多基于单节点的设计实现,难以满足海量的数据需求。针对上述问题,本文以Twitter为数据采集对象,设计实现了海量网络媒体信息采集及处理平台,该系统在模拟社交网络账号登录的基础上,实现了社交媒体网络信息的稳定采集,主要工作概括为如下两方面:(1)针对社交网络账号模拟问题,在提出基于Twitter平台的社交网络账号行为模拟方法的基础上,设计实现了社交网络账号模拟子系统。该子系统总结了现有的异常账号检测方法,参考Twitter用户规则,并结合对Twitter数据采集的实践,设计实现了从账号注册到运行账号模拟策略的完整流程。通过实验测试,表明社交网络账号模拟子系统能够在一定程度上降低账号异常情况出现的概率。(2)针对社交网络媒体数据采集问题,在分布式系统环境中运用任务调度算法的基础上,设计实现了网络媒体信息爬取子系统。该子系统通过网络爬虫技术实现了对Twitter推文数据的抓取,使用人工蜂群算法对采集任务的分配策略进行了优化。实验测试结果表明,网络媒体信息爬取子系统可以实现对Twitter推文数据持续稳定采集,人工蜂群算法的运用可以在一定程度上提高数据采集速率。实验测试结果表明,本文设计实现的账号模拟与社交网络媒体数据采集系统能够较好的实现保持账号正常状态、资源负载均衡及提高采集效率的目的。