随着Web2.0时代的到来，博客、论坛、维基百科等服务兴起并被广泛使用，使每个Web用户都有机会成为信息提供者。Web2.0环境里注册用户对应着现实生活中的人，其网络行为与人的社会活动存在着密切联系，如用户在博客里记录生活琐事，在论坛上评论社会新闻，在维基中撰写其擅长领域的文章等等。Web2.0服务的核心是“人”，因此对用户的个体特征进行描述，进而构建基于兴趣倾向的用户社区，必将使Web2.0上的增值业务更加精准，使用户之间的交流更加方便。　　 本文提出了基于文档集合的关键词提取算法BiasHITS，用得到的关键词作为用户个体特征的描述。BiasHITS将某一用户发布的全部文章看做一个有机的整体，认为其可以反映出用户在现实生活中的兴趣倾向，算法不仅考虑词本身的重要性，同时考虑了它所属文档的重要性。在计算用户相似度的过程中，为了建立同义词、近义词及语义相关词之间的联系，本文提出了基于WordNet的虚拟概念降维算法，使兴趣相似用户之间的关联更加紧密。建立了用户之间的兴趣关联之后，本文进一步提出了基于种子扩展的贪心算法挖掘用户兴趣社区，该算法降低了社区核挖掘的复杂度，同时保证了社区核内的用户兴趣高度相似，而社区核间的用户兴趣低相关。最后以雅虎博客作为实验数据，验证了本文所提算法的有效性。