1、微博是近年來發(fā)展最快的網絡媒體之一，隨著其用戶規(guī)模的不斷擴大，其產生的信息量和社會影響力也越來越大。同時，網絡信息的泛濫阻礙了用戶體驗的提升。因此，研究微博信息的規(guī)律并從海量的網絡信息中挖掘發(fā)現有用的知識就變得很有意義。
　　本文以數據挖掘算法為工具，研究網絡信息知識發(fā)現，在此基礎上提出微博熱點發(fā)現算法和網絡信息推薦算法。同時，將微博 SIR模型與多 Agent相結合，試圖從宏觀和微觀的角度解釋微博信息的傳播規(guī)律。
　　首先

2、，本文設計了一種微博熱點話題發(fā)現并行模糊 C均值（HTD-PFCM）算法。該算法在充分研究微博特點的基礎上，對向量空間模型（ VSM）進行了改進，權值的計算更能將熱點微博和非熱點微博區(qū)分開來，并在 MapReduce平臺上設計了熱點話題發(fā)現并行算法。實驗表明，HTD-PFCM算法不僅具有良好的加速比，還能更高效的挖掘微博熱點話題。
　　其次，本文提出了一種基于Slope One算法的網絡信息推薦并行算法，并借助MapReduce平

3、臺設計實現了該算法。該算法通過計算用戶項目的偏差矩陣和頻度矩陣，為預測用戶感興趣的項目提供了參考，實現了在大數據背景下的，網絡信息的個性化推薦。實驗表明，該算法在具有較高預測準確率的前提下，還具有較好的加速比，實現了信息的個性化服務。
　　最后，提出了一種將多 Agent理論與微博 SIR模型相結合的研究微博信息傳播規(guī)律的方法，該方法根據微博信息傳播信息的特點，將微博SIR模型與多Agent系統(tǒng)結合，用多 Agent的智能性來得到