社区是复杂网络研究中一个重要的结构,而在社交网络中社区结构也吸引了非常多的学者对其进行研究。近年来针对动态社区的研究逐渐增多,主要是为了量化的分析社区结构随着时间的变化模式。社区演化是动态社区研究的一个重要课题,主要研究社区内部的结构、性质等随着时间会发生何种改变,并结合合适的分析模型对社区未来状态进行预测。本文主要研究了社区演化中社区规模预测的问题以及社区热点演化的问题。以往社区规模预测的研究面临着数据量要求大、模型与数据耦合、分析数据中社区规模小等等问题,本文提出了一种基于集成分类器的社区规模预测模型,通过对社交网络中社区的成长、衰退、衰亡等情况建立目标变量,以社区的结构为特征对社区的规模演化进行预测。本文中的模型对所有拥有显式社区定义的数据集具有普适性,并可在时间轴上和大数据集上进行扩展。本文还提出了一种基于社区热点演化的用户重要度评价方法。该评价方法结合了社区热点以及用户热点交互的情况,对用户在社区中对内容的参与度进行量化的评价。该参与度评价方法可用在动态社区建模方法GED中对社区重要度评价方法的选择中,也可以作为单一的社区属性对社区结构进行描述。基于上述两种模型,本文在拥有大量样本的豆瓣小组数据上对模型进行了实验。实验表明了这两种方法的有效性。此外本文还基于分类器准确率、性能、特征重要性等对社区演化过程做出了若干分析。