随着移动互联网的逐渐普及,网络社区作为一个虚拟的社交平台,已经逐渐成为了整个社会交际中不可或缺的一部分。用户在虚拟世界的社交,一方面为了巩固现实生活中已有的关系网络,另一方面为了结识志同道合的新朋友,这使得社交网站蕴藏了丰富的社区结构、用户关系信息,如何从一个复杂的社交网站中挖掘出有效的用户信息,越来越成为研究的热点。在这样的背景之下,本文重点研究了基于WAF的社区发现及用户推荐,提出了基于词激活力(WAF)模型的社区发现方法,将整个复杂网络社区分割成若干个子社区,并使用国内外著名微博用户数据进行实验,验证了该算法的有效性。进而在社区发现结果的基础上,提出一种新的个性化用户推荐算法,针对以微博平台为代表的社交网站,提供个性化的用户推荐服务。本文的主要研究成果如下：第一,对采集的微博用户信息进行了初步分析和处理,去除对结果带来严重干扰的非有效用户,对剩下的用户基于HITS算法进行排序,分析并讨论了该排序结果,与官方给出的用户影响力进行比较。第二,提出了基于WAF的社区发现算法,研究要点包括WAF应于用户数据的原理及变形、用WAF工具包对原始数据的处理、以用户亲和度矩阵为依据的社区发现方法、不同方法及参数的结果比较与分析等,用若干不同方法对整个用户社区的分割进行了深入的探讨。此外,本文还仔细讨论了不同的孤立节点处理方法对最终结果的影响。第三,在已经获得的社区发现结果基础之上,提出了一种改进的个性化协同过滤用户推荐算法,以同一子社区内的用户为最近邻集合,综合考虑用户的共同属性,从而能够在社交网站上提供与电子商务系统类似的个性化推荐服务。最后,对论文的工作进行了总结,并提出了依然存在的问题和下一步工作的可能方向。