近年来,微博社交网络站点的出现与发展对传统互联网服务造成了巨大的冲击,越来越多的用户通过微博进行情感交流和信息传递。与传统互联网交流平台相比,微博社会网络具有接入简单、发布便捷、参与用户数量巨大以及信息传播更高效的特点。然而,这些特点也会导致恶意言论在微博社会网络中快速、大范围传播,给社会带来潜在的公共安全威胁。因此,深入研究微博社会网络中用户特性以及用户对信息传播的影响具有十分重要的意义。　　微博重要用户是影响网络信息传播方向的重要力量,识别重要用户已成为当前研究的热点问题。本文以新浪微博为研究对象,并通过网络爬虫程序获得了大量微博数据。根据对海量数据的深入挖掘以及对信息在不同用户间传播规律的分析,提出了一套基于能量场模型的用户影响力分析算法。该模型能够揭示局部区域内的用户间相互影响关系,通过分析用户信息以及节点间链接关系,有效划分用户类型。在能量场模型中,用户的能量强弱反映了用户在微博社会网络中影响强度和影响范围的大小,以能量作为不同类型用户的指示器,有效识别网络中的特殊群体。为了验证模型有效性,本文基于新浪微博网络站点的真实数据,分别与基于 PageRank、信息熵以及机器学习的特殊用户识别方法进行了对比实验,实验结果显示本模型识别出的特殊用户具有更加明显的用户特征。　　本研究可为在线社会网络信息动力学传播规律、在线病毒营销、异构在线社会网络信息传播模式以及在线社会网络舆情早期引导等研究提供了理论支撑和技术保障。　　本研究得到了国家自然科学基金面上项目(项目编号:61172124)的支持。