社区问答系统(Community-based Question and Answering System, CQA)通过聚集大众智慧,能够免费提供问题的个性化解决方案,例如Yahoo! Answer,百度知道等。然而CQA系统无显式的社团结构,因此“社团”性质没能得到充分应用；而且CQA系统具有较高的开放性：知识内容共享和搜索引擎可接触,使得CQA系统易受到虚假账户的入侵,导致CQA账户行为规律复杂,知识质量急剧下降。为解决CQA系统的上述问题,有必要深入研究系统中账户行为规律和网络性质。同时这些研究工作也有助于解决如下问题,例如相关用户推荐,相似问答内容融合,新型话题发现,虚假用户识别,个性化问答服务等,这些都能提高CQA系统中的知识质量。本文以中国最大的CQA系统“百度知道”为代表,分析CQA系统中账户的行为规律。通过探索账户间的问答关系,本文构建两种网络模型,展示了CQA系统的基本网络性质。为检测CQA系统中的以兴趣为中心的账户社团,基于标签传播算法SLPA,我们提出一个面向CQA系统的社团发现算法MSLPA (Multilayer speaker-listener label propagation algorithm)。本文从网络规模、社团主题、聚合效果、层次结构等多方面评估MSLPA算法的性能,和已有的几种社团发现算法相比,MSLPA能够发现大规模CQA网络中有意义的、重叠的、具有层次结构的账户社团,避免生成大量的微型社团,有效聚合关联账户。基于MSLPA社团发现技术,本文提出一个CQA系统中鉴别虚假账户的方法。首先给出一组具有较高区分度的账户属性集合,包括具有一定物理含义的账户个体属性和账户所属的社团性质,其中个体属性由统计分析得到,社团性质由本文的社团发现结果得到。本文将新提出的属性集合应用于简洁的J48决策树分类器上,判断账户为正常账户或者虚假账户。实验结果显示,该方法表现出良好的性能和效果,分类准确率得到较大的提高。