微博作为时下最热门的社交媒体和网络交流平台,越来越多的用户选择在微博平台中构建个人社交圈的同时,用户自身的博文发布以及用户间的关注互动行为,也让微博网络中蕴含着纷繁复杂的内容与关系数据。如果能够利用这些数据,从微博用户庞大的虚拟关系网络中准确识别和挖掘出其对应的社交圈信息,不仅能够极大的便利用户个人关系网络的管理工作,而且在个性化推荐、影响力传播、舆论预警等方面也有着非常重要的作用。为解决数据来源问题,首先分析了微博网络关注与传播机制以及博文内容的特征。针对微博用户社交圈挖掘问题所需要的数据类型及具体要求进行了总结,设计并实现了基于网络爬虫技术的微博数据采集系统,以作者新浪微博账号作为种子节点,成功抓取到其关注和粉丝列表中总计430个用户节点的关系与内容数据。以抓取到的数据为基础,对微博单向关注机制形成的用户关系特征进行了详细的分析。利用LDA(Latent Dirichlet Allocation)模型设计并实现了用户博文内容主题分布的提取方法,并结合社交网络研究中用户相似度的定义方式,给出了一种融合用户关系以及博文内容主题信息的用户相似度度量方法,用以更好地描述微博用户间的联系与紧密程度。在微博用户融合相似度的基础之上,提出了一种基于节点聚类思想的微博用户社交圈挖掘算法CMUS(Circle Mining Algorithm Based on User Similarity),利用该算法去解决微博网络中心用户社交圈的挖掘问题。最后在获取到的用户数据集上进行相应的对比实验,验证了用户融合相似度指标的有效性,并将CMUS算法与其他社交圈识别方法进行比较,实验结果表明CMUS算法最终得到的社交圈结果更为准确,对微博用户社交圈的还原更加接近于真实情况。