随着全民互联网时代的到来，社会化问答网站中用户群体不断地在扩大，积累的提问与回答信息也越来越多，形成了一个动态的知识库。社会化问答网站通过结合问答与社交，形成了用户对信息的交流模式，极大地丰富和满足了用户获取和分享知识的需求，逐渐成为广受用户喜欢的知识共享平台。发现具有相似兴趣的用户社区，社会化问答网站不仅可以为用户推送感兴趣的用户、问题、回答等，以此提高用户满意度，促进知识的有效传播，还可以为企业针对特定的人群推送合适的广告，体现其商业价值。因此，对社会化问答网站进行社区发现及其服务推送的研究具有重要的研究意义和应用价值。　　本文内容可分为四部分：第一部分是对研究背景和意义、国内外研究现状、相关理论与技术的介绍，其中相关理论部分包括社会化问答网站概述、“知乎”数据分析、图论及社会网络分析。第二部分是基于链接关系的社会化问答网站社区发现，分析了社会化问答网站用户链接关系，根据用户关注关系构建了用户链接关系网络，找出了用户链接关系网络的显著特点，优化用户相似度并在此基础上对模块度函数进行改进，最后给出了基于改进模块度函数的社会化问答网站社区发现算法（CDIM）的算法过程。第三部分是基于社区发现的社会化问答网站服务推送研究，研究了社会化问答网站服务推送的主客体、内容及具体方式，通过分析“知乎”用户行为的特点构建了用户兴趣模型，最后将用户兴趣与基于用户的协同过滤（User-CF）相结合，提出了基于标签相似性的用户协同服务推送算法。最后一部分通过真实的数据集对本文提出的模型和方法进行实验验证，实验证明，本文提出的用户相似度计算公式更符合社会化问答网站用户关系网络的特点；CDIM算法能够有效地对社会化问答网站的用户关系网络进行社区发现；用户兴趣模型能够有效地表示用户兴趣；个性化地服务推送效果比较好。　　本文的创新点主要有两点：一是基于用户关注关系对社会化问答网站进行社区发现；二是在社区发现基础上挖掘用户兴趣进而对社会化问答网站进行服务推送。