随着WEB2.0时代中微博等在线社交网络平台发展的日益火热,越来越多的用户选择在微博中进行信息分享、关注互动和讯息发布,微博已聚集了大量的活跃用户和流动信息。如果能对用户在微博进行各种社交行为时产生的传播内容和社交信息进行分析,从微博庞大的虚拟在线社交网络中挖掘出用户对应的社交圈信息,不仅有利于社交网络结构的演化分析,而且在网络舆情分析和用户个性化推荐等领域也有着非常重要的作用。本文通过总结国内外研究现状后,认为微博社交圈挖掘的研究工作中存在微博数据获取、用户关系强度刻画及社交圈挖掘算法设计三大难点问题。免疫网络是人工免疫系统中的主要研究方向,因其具有自适应性强和效率高等特点,已被广泛应用于数据聚类和异常检测等领域中。本文以新浪微博平台的用户作为检测对象,结合在线社交网络中用户相似度的研究,提出一种融合用户社交信息和用户兴趣的相似度计算方法,刻画用户间的关系强度。在此基础上借鉴人工免疫网络的高内聚性和自适应性,将关系强度大的用户进行聚合,实现社交圈的划分。首先为解决数据来源问题,本文研究Web Scraper工具的用法,通过设定各种自定义的规则获取微博数据,该方法能够有效的采集各类网页的数据,具有爬取效率高、数据类型完善等优点,能够满足实验的需求。其次,对新浪微博用户关系进行分析,选取用户的博文内容作为用户的兴趣信息,用户的关注信息和粉丝信息作为用户的社交信息,进行用户相似度的计算,实现用户社交信息与兴趣相似度的融合,完成用户间关系的描述。接着建立以用户为节点、用户关系为连边、关系强度为权重的用户相似性网络。然后基于人工免疫网络思想将用户相似性网络中关系强度大的用户进行聚合形成社交圈。本文使用新浪微博的真实用户数据,将该文方法与其他社交圈挖掘方法进行了比较,结果表明该方法挖掘的社交圈在内聚度、紧密度和实用性上效果更好。