近些年来,在线社会网络OSN(Online Social Network)获得了空前的发展,成为了学界术和商业界的重要研究领域。从内容相似性的角度进行OSN的挖掘研究,将是对国内外在OSN挖掘方面研究的有效补充。本文将在第一章介绍论文的研究背景、目的、意义和研究思路;第二章对相关领域的研究现状进行介绍,并得出本文研究的合理性;第三、四、五章分别就对OSN挖掘涉及到的三个方面展讨论:第三章,讨论网络爬虫,对现有网络爬虫算法进行了论述,最后依据研究对象的特征,在综合了广度优先、深度优先和最佳优先的基础上,得到了适用的改进型最佳优先算法,并进行了程序设计,运用该程序得到了Sina博客上面的5190个个人站点数据,包括:RSS种子文件和相关日志文件页面;第四章讨论模糊挖掘算法,改进了多层向量空间模型和文本聚类方法,使其能够针对代表社会行动者的以簇为单位的web文档进行聚类处理,吸收了FCM和FCC算法基于目标函数,使聚类结果最优化的特点,本文引入F统计进入文本聚类方法,使聚类结果实现最优,并得出社会行动者间的关系;第五章,述了社会网络分析技术,阐述社会网络的特征,并在在线社会网络模糊挖掘模型中引入社会网络分析技术,以验证挖掘结果的有效性,同时决定模型是否需要返回到建立空间模型向量的阶段进行迭代运算;第六章对现有的研究工作做总结并指出了下一步研究的方向。