随着互联网与移动设备的发展,越来越多的人选择加入各种各样的在线社交网络。不同于现实中的社交活动,在线社交网络打破了物理距离和时间的限制,具有很强的交互性与时效性。人们在在线社交网络中也会依据其自身兴趣、爱好形成各种各样的社区。对于用户社区结构的研究具有重要的科研价值与商业价值。大多数现有的在线社交网络的社区划分方法依赖于对人们在网络中的关系分析,比如好友或关注。然而现有的许多研究表明,用户交互(比如评论或者回复)相比关系能更好的反应用户行为规律。为此,本研究针对用户交互行为设计了相应的在线社交网络数据采集系统,并在此基础上提出了一种基于用户交互信息的社区发现方法。本研究对在线社交网络中的交互行为进行了分析研究,深入研究了相关交互之间的级联特性,并从交互的级联特性这一的角度对用户交互进行了分析。为了能更加真实、准确地从在线社交网络中发现用户社区,本文基于交互的级联分析,设计了一种面向用户交互的在线社交网络社区划分算法。交互之间的级联关系是指交互可以是以其他交互作为目标,也可以被其他用户作为交互对象。交互的级联特性是在线社交网络中普遍存在的,也是用户交互行为的重要特征。本文的主要研究成果:(1)根据对在线社交网络中用户交互行为的观察与研究,分析了交互之间的级联特性。通过交互的级联特性,提出了基于事件图的交互级联关系的表示方法,用于刻画不同用户之间交互的相关性和用户交互频率。(2)面向用户的交互行为,设计了一种相应的在线社交网络数据采集系统,用来从在线社交网络中采集用户之间的交互信息以及交互之间的级联关系。该方法主要考虑交互间级联关系、用户的合理分布以及用户交互数据的完整性。在数据采集基础上,对用户交互数据和关系数据进行了对比分析,结果表明用户的交互行为与社会关系之间存在关联,但交互行为并不完全受限于社会关系,还受到其他交互行为的影响。(3)提出了一种基于交互分析的在线社交网络社区发现方法。该方法利用用户交互数据,使用从事件图中提取链接密集的用户组来构建超图。通过在超图中寻找相似度较高的用户组来发现用户重叠社区。通过在三个真实在线社交网络的测试验证,从多项指标评估了提出的社区发现方法的性能。实验结果表明,提出的方法可有效发现在线社交网络中的活跃社区。和目前主流的社区发现方法比较,具有更好的检测精度以及多个数据集上更稳定的结果。