随着互联网的迅猛发展,越来越多的社交媒体开始出现,人与人之间的互动更加频繁,社群以其独特的结构特征在复杂的社交网络中出现。当前,对社交网络中的社群进行分类的算法有很多,其中实现垂直化分类的算法较少,对社群进行垂直化分类不仅可以更直观的了解社交网络结构特性,在解决了对社群中用户需求定位不准问题的同时,对未来发展社群的经济和营销也具有显著的意义。本次研究的目的就是找到一种有效的方法对社交网络中的社群进行垂直化分类。以用户兴趣作为研究对象是垂直化分类的一种主要手段,本文首先阐述了兴趣、社群、垂直化分类以及垂直化社群的定义,并对社群结构特征以及社群类别进行分析,指出兴趣社群中用户主要分为社群领袖以及普通用户两类;然后对兴趣模式进行分析,确定要研究社群中的用户兴趣要解决的两个关键问题;并通过分析传统分类算法的局限性,确定本文研究方向。其次,根据常见的兴趣模型表示方式,提出可以从定性定量两个角度描述兴趣模型;然后,结合线上社交网络的特点,建立一种混合式兴趣模型。以线上社交网络实例验证兴趣模型的正确性。最后,以社群网络图作为社群结构的抽象表达,通过分析出的用户兴趣计算用户节点间的兴趣相似度,以传统社群分类的标准为基础,提出一种基于兴趣度加权的模块度计算方式作为分类标准,通过matlab对算法进行实现,并与传统算法进行对比,从社群划分数目、模块度以及兴趣内聚特性三个角度分析方法的合理性以及优劣。本文研究以反映用户兴趣动态性特征的模型分析为基础进行社群垂直分类,不仅可以挖掘社交网络中用户价值,也可以在商业领域,支持电商企业更精准的广告投放和网络营销,为用户提供个性化服务也能起到一定的借鉴作用。