随着互联网技术的快速兴起,在线社交网络也逐渐变为大众流行的交流方式,正在高速发展。现在中国流行的在线社交网络主要有新浪微博、腾讯QQ、微信、人人网等……。在线社交网络中人们的行动每天都会产生大量的数据,而这些数据蕴含了丰富的信息等着我们去进行挖掘和分析。如新浪微博中的用户发表博文,转发评论博文,关注其他用户等等这些用户行为都可以用来了解用户的行为模式与用户兴趣。通过分析社交网络中社区结构及社区构成有助于研究社交网络拓扑结构特点、发现用户聚集模式及影响因素,促进社交网络上信息检索、信息推荐、信息传播控制、公共安全事件管控等诸多应用的发展。同时在社交网络中的信息传播问题也是研究社会网络的重要课题,社交网络在很多方面都能发挥作用,如政治助选、市场营销、协助抓捕犯人等活动。“亚马逊的推荐系统”就是非常成功的市场营销案例,亚马逊公司利用用户的浏览历史记录等用户行为信息向用户推荐类似商品,从而使销售直线上升。在本文中主要研究了社区发现算法与信息传播模型,针对新浪微博中的用户发表内容实现了基于特定话题的社区发现框架,同时针对已有传播模型不能反映真实的社交网络传播过程的缺点,改进了独立级联模型,使其更符合真实的社交网络传播过程。本文的主要研究工作包括以下两个方面:(1)实现了特定话题下的基于微博内容的社区发现框架,改进了以往社区发现算法中只是基于网络拓扑结构的缺点,本文主要是基于微博内容来划分社区;(2)改进了独立级联模型,使其在节点上增加社区属性,使得改进后的独立级联模型更加适合真实的社交网络传播过程,并使用信息传播最大化算法来验证结果。