随着网络技术的快速发展,动态网络群体在网络中产生了重要的影响,其自适应性、高度复杂性与动态变化性,给传统的网络分析方法带来了诸多挑战。复杂网络理论以其在研究大型复杂网络上的优势,为人们研究动态网络群体提供了新的视角。为了更好地揭示动态网络群体的拓扑特性和社区结构,越来越多的研究者对复杂网络模型及社区划分算法进行了研究。　　然而传统的演化模型和社区划分算法并不能很好地符合动态网络群体的特性。在演化模型方面,现有的模型没有充分考虑到网络中节点加速增长、加速退出的情况;在社区划分方面,现有的算法大多只考虑了节点连接关系在社区划分上的影响,并没有充分考虑到节点主题属性在社区结构中的重要作用。基于上述问题,本文分别从演化模型以及社区划分两个方面研究了动态网络群体的网络拓扑特性和社区结构。　　首先,本文提出了一种动态网络群体演化模型。该模型在BA模型的基础上,考虑了每个时间步节点呈指数增长,部分老节点退出,且退出节点数与网络规模成正比等因素,扩充了节点增长率及节点退出率因子。理论分析及仿真实验研究表明:增长率及退出率对模型拓扑特性有很大的影响,增长率及退出率的加入也提高了模型的聚类系数,与 BA模型以及参与―海地地震‖相关话题讨论的 Twitter微博用户数据集的对比,也证明了本文模型更适用于描述动态网络群体。　　其次,本文提出了一种综合主题与连接的局部社区划分算法。该算法将节点的主题相似度和连接相似度相结合,共同计算节点间的相似度;该算法结合了局部思想,避免了寻找初始的中心节点;算法还引入了局部模块度 Q作为社区划分的结束判断条件。运用该算法对参与―海地地震‖相关话题讨论的 Twitter微博用户数据集中的部分用户节点进行实验,并与单纯基于连接、单纯基于主题以及基于主题和链接的社区划分算法进行对比,验证了本文算法的合理性和有效性。