Con el apoyo de técnicas de minería de grandes datos, la utilización de datos de redes sociales que contienen información de ubicación y rica información semántica puede construir flujos de actividad OD a gran escala para poblaciones urbanas, proporcionando nuevos recursos de datos y perspectivas de investigación para estudiar las estructuras espaciotemporales urbanas. Este artículo emplea el algoritmo ST-DBSCAN para identificar las ubicaciones residenciales de los usuarios de Weibo en cuatro comunidades y luego utiliza el modelo BERT para la clasificación de tipos de actividad de los textos de Weibo. Combinados con el método TF-IDF, los resultados se analizan desde tres aspectos: características temporales, características espaciales y características semánticas. Los hallazgos de la investigación indican: Espacialmente, las actividades diarias de los residentes se centran principalmente en sus ubicaciones residenciales, pero hay diferencias significativas en el radio y la dirección de la actividad entre los residentes de diferentes comunidades; En la dimensión temporal, las intensidades de actividad de los residentes de diferentes comunidades exhiben uniformidad durante diferentes períodos de tiempo en días laborables y fines de semana; Basado en el análisis semántico, las diferencias en las actividades y elecciones de lugares entre los residentes de diferentes comunidades están profundamente influenciadas por las características integrales de las comunidades. Este estudio explora métodos para la minería de información OD basada en datos de redes sociales, lo cual es de gran importancia para expandir los métodos de minería de las características del comportamiento espaciotemporal de los residentes y enriquecer la investigación sobre la configuración de instalaciones de servicio público basada en los espacios de actividad y las demandas de las instalaciones de los residentes de la comunidad.