近年来随着Web2.0时代的发展,网络技术、实时通讯技术不断进步,为了满足网络用户交流、分享及合作的社会化需求,网络社交平台不断建立,如豆瓣、QQ等。用户根据需要在网络社交平台中加入不同的自组织群体,在其中进行交流与合作,这种群体被称为网络社群。随着网络用户的指数增长,网络社群大量被创建,仅“豆瓣网”中就有30余万社群被创建,因此用户通常不知道某一社群的所关注的重点,只能根据一些片面的相关信息先加入大量相关社群,经过了解后再进行有重点的选择,这造成了用户选择困难、效率低下等问题。因此,针对此问题本研究通过探究网络社群的用户行为,发现网络社群行为主要为社群内话题讨论及用户资源的浏览与关注。通过对这两个维度进行分析发现:网络社群话题能够较为准确的表征网络社群特性,而活跃用户近期浏览与关注能够代表网络社群近期用户兴趣,综合两者构建社群标签生成模型。利用BTM模型挖掘网络社群话题主题语词,并根据网络社群成员兴趣标签网络的特征,利用社会网络重要节点度量指标挖掘社群用户关注兴趣点,综合两者结果生成社群动态标签。并以“豆瓣小组”为例对模型进行实证。实证结果表明,社群话题子模型中BTM模型针对社群短文本具有较高的有效性及稳定性,成员兴趣子模型能够较好的体现社群整体动态兴趣,模型结果能够准确及时的表征社群特点及短期兴趣。但同时研究也具有一定的局限性,在将两个维度标签进行综合时,需要根据不同领域对挖掘出的网络社群话题主题概率阈值进行设定,此方面的研究将在后续的研究中进行深度分析。