随着Web社区的蓬勃发展,基于Web社区的网络营销越来越受到企业的关注。调查数据统计,截至2010年底,全国社区用户数量达到2.94亿,占全国网民总数的70.3%,2010年全国互联网广告市场份额达321.20亿元。但是消费者的购买行为在日益发展的社会形态中发生变化,传统的互联网广告已经不能够取得人们的信任,用户往往通过在互联网上搜索相关信息和评论来进行决策。社区营销成为时下网络营销推广的产物,利用Web社区进行口碑传播在消费者决策中扮演了极其重要的角色。对于消费者来说,其对人际信息的信任程度远高于对广告的信任。因此基于Web社区进行网络营销成为了品牌低成本、高效率的信息推广方式。Web社区营销发展时间较短,尚未形成有效的理论和统一的方法。Web社区营销的核心是互动和精准营销,本文就如何选择合适的社区进行社区营销；如何让用户在社区中检索到合适的主题；如何挖掘虚拟用户的真实特征属性和兴趣爱好；如何发现社区中失效的主题四个角度展开研究,解决了Web社区营销中的一些基本技术问题,形成了基本理论,主要研究内容如下：(1)针对如何选择Web社区,提出了基于数据质量评估和抽样方法的Web社区排序理论。通过建立数据质量,给出了评价社区数据源优劣的量化标准,从而使得评价标准可以度量和扩展,这种方法解决了传统排序算法中排序标准不能完整的反映真实评价的问题；而通过合适的抽样方法,从庞大的社区主题中随机抽取样本,使样本能够反映总体的特性,解决了社区中主题数量庞大不好度量的问题。(2)针对社区中资源的模糊搜索,提出了基于Trie树的新型模糊算法。当用户只记得某个单词的一部分时,用户只需输入该部分,通过本文的系统仍然可以找到需要的结果。并且具有交互功能：用户每输入一个字母,系统就会实时的提示用户可能目标词。为了实现高效性从而不影响用户满意度,本文提取了一种基于Trie树的算法。实验表明该算法能高效的实现本系统。(3)针对用户的特征属性和兴趣爱好挖掘,本文提出了基于本体语义分析的用户特征属性和兴趣爱好挖掘方法。通过建立用户的行为模型和特征模型,建立特征属性的属性集和推断规则集,建立不确定性的推断方法,来根据用户的行为特征和言论推断用户的特征属性和兴趣爱好。实验结果表明该方法具有良好的扩展性和准确性,解决了Web社区营销中目标的精准定位的问题。(4)为提高挖掘用户特征属性和兴趣爱好的效率,提出了基于交互关系的用户特征挖掘方法。本文通过大量社区用户数据统计和分析,研究了Web社区中用户之间的交互行为和兴趣相似度,建立了基于假设检验的理论评价方法,证明了社会学家关于“交往亲密的朋友具有更多的兴趣相似性”的观点在虚拟Web社区中同样具有适用性。在此基础上构造了快速挖掘Web社区中兴趣相似用户集合的算法,并通过置信度量和算法检验,证明了此算法在快速实现Web社区中兴趣相似的用户挖掘是有效的。(5)针对社区中主题失效的问题,提出了社区中主题网页时间一致性的建模、度量、推理和发现方法。网页的时间一致性是指网页所述的时间与实际时间相符,它是评价网络信息质量的一项重要指标,关系到网页内容的时效性和精准性。大量时间敏感度较高的网页中均存在时间的不一致性,严重影响了用户对网页内容的理解和决策行为。本文首先针对主题网页的时间维度进行了建模,包括对网页信息的时间敏感性分析、基于时间序列的网页分类和网页的时间维度抽取；然后针对网页时间一致性进行了度量与推理,包括对网页事件的时间不致性分类、网页事件的时间不一致性建模和主题网页中不一致的发现。通过此方法可以实现自动过滤Web社区中的时间不一致的主题,提高用户的使用感受。本文的研究为Web社区营销提供了理论支撑和技术支持,解决了如何从众多Web社区中进行甄别和排序；实现了社区主题的模糊查询方法；解决了如何精确挖掘用户特性特征和属性；实现了网络社区中过时主题信息的建模和发现方法。