随着互联网的迅猛发展,社交网络成为人们生活中越来越密不可分的一部分。以新浪微博为代表的社交媒体平台,已逐渐成为人们发表观点、表达思想的重要平台。人们在微博平台中发表内容以及相互关注、点赞、评论和转发的网络行为,刻画了人们在社交媒体中的用户关系网络。因此,用户社团关系网络挖掘,对微博网络管理具有重要意义。本文研究并实现了 一个基于微博用户之间行为特征和内容特征进行社团关系挖掘的系统。相关研究工作如下:1.构建分布式爬虫系统,爬取微博平台中所有用户信息,其中包括个人信息、微博文本、微博点赞、评论和转发以及用户关注和粉丝等结构化和非结构化数据。通过设计合理的数据库表结构,将海量用户数据整理聚合到HBase中。2.基于微博网络中用户发表内容和用户间的交互行为,提出基于深度自编码器的多维度用户关系网络挖掘模型,解决传统社团挖掘模型中仅对使用单一“关注”关系构建的用户关系网络进行社团挖掘问题。其中,在内容维度特征提取中,本文采用基于注意力机制的卷积神经网络CNN模型,解决微博文本篇幅短小等问题,同时从“关注”、“点赞”、“评论”、“转发”四个动作中,对行为维度特征矩阵进行构建。3.基于本文提出的社团挖掘模型,系统采用离线计算和在线计算分离模式,将离线计算定时对采集的用户信息进行社团挖掘,在线计算响应用户请求,快速查询社团挖掘结果,并进行社团内部结构分析后将结果返回至前端系统,前端系统进行可视化展示。为保证在线计算响应时间,本文采用基于MapReduce的用户属性倒排索引+Solr-HBase二级索引结合方式,加快数据检索速度,并采用数据缓存、负载均衡和故障切换技术手段,保证在线计算提供可靠服务。