在线社交软件的普及使用正在重塑人们的交流表达方式。人们不再满足于在线下加入能让自己产生归属感的群体或兴趣社团,而将注意力转移到了加入在线网络群体。在线社交网络中,一些有着相似属的个体倾向于形成群体。绘制群体画像为用户决定是否加入一个群体提供了先验知识,另一方面群体画像有助于理解群体的形成与演化。现有对群体画像的研究多局限于采用特征统计或基于概率模型的方法,缺乏对生成画像维度的语义多样性进行检验;而现有对群体演化的研究多局限于从拓扑结构的角度出发获得群体演化的模式,缺乏结合群体语义特征解释群体演化的原因。因此本研究基于上述现状存在的不足,设计基于主题子群体的细粒度群体画像模型,通过融合子群体特征并设计算法保证生成群体画像维度的多样性。最终联合群体画像与群体拓扑结构特征分析群体演化的过程,本文具体工作如下:首先本研究以社交网络中存在的显式群体为研究对象,基于豆瓣网,编写爬虫抓取豆瓣小组在一定时间段上的话题发布信息和话题回复信息,作为绘制群体画像的数据来源,同时获取小组成员间的关注关系数据,用于构建网络拓扑。其次,本研究提出主题子群体发现模型,通过提高子群体内成员内容的同质性量化子群成员对子群的贡献。该模型采用动态词嵌入技术与主题模型解决了短文本内容主题难以挖掘的问题,并根据主题分布的相似性划分主题子群体。在此基础上,本文提出一种改进的混合概率模型以解决网络词汇造成的一词多义问题,并提取出子群体特征,通过融合子群特征与设计特征筛选算法保证群体画像的维度多样性。最后,本研究筛选出一定数量的活跃成员,通过问卷调查,要求成员在不同时间粒度下对豆瓣小组进行关键词描述,并基于这些关键词构建豆瓣小组群体画像的ground-truth。通过将本研究的群体画像模型与现有研究中的群体画像模型进行对比,得出结论:本研究提出的基于主题子群体的群体画像模型在画像准确性,画像维度多样性上均优于现有模型。此外,本研究基于不同时间粒度,通过展示群体画像和群体的网络拓扑特征量化群体的演化过程,并通过群体画像合理分析群体演化的原因。基于上述的实验结果,本研究设计并实现了群体演化展示原型系统。