社交网络的蓬勃发展使其成为人们发表、获取以及讨论最新信息的重要交流平台。在社交网络中,社会影响力对网络中的信息快速扩散和网络结构演变有重要作用。作为影响力较大的用户,意见领袖能在短时间内对数量众多的用户产生直接或间接的影响。因此,挖掘意见领袖成为了解决社交网络中许多实际问题的关键点,但已有挖掘研究只考虑了意见领袖的局部特征,同时忽略了意见领袖的话题相关性。因此,分析社交网络中的社会影响力,并进一步研究意见领袖挖掘具有重要意义。首先,社交网络被看作一个图,图中的节点代表用户,边代表用户之间的联系。接着,综合考虑用户本身的属性以及用户间的交互属性构建网络图模型,并以此为基础来分析社会影响力。同时,将社会影响力分析直接应用到社交网络的意见领袖挖掘中,以此提升意见领袖挖掘的准确性。基于图论及复杂网络的相关理论,同时以社会影响力分析为核心,提出了两种新的意见领袖挖掘算法:一是将Page Rank算法的链接投票思想扩展到有向加权图中,将投票得分高的节点作为意见领袖的Topic Leader Rank算法;二是结合复杂网络中节点度的幂律分布性质与随机游走思想,通过最终游走到节点的概率来筛选意见领袖的Opinion Leader Rank算法。在目前国内最火的社交网络:新浪微博的数据集上的实验结果表明,两种新算法找出的意见领袖的质量优于其他类似算法。最后,设计并实现了一个意见领袖挖掘原型系统。采用文中提出的两种新算法,该系统可以自动从数据库中挖掘出意见领袖,并展示意见领袖的一些重要特征。