复杂网络具有多种特性,社团结构被认为是复杂网络最重要的一个性质。社团结构简单的说就是网络中一组节点的集合,在同一个社团内部的节点之间的关系紧密,而社团与社团之间的关系与之相比则十分稀疏。社团结构与网络中某些特定的功能及性质有着密切的联系,因此检测网络中的社团结构对于分析和理解这些复杂网络系统起着至关重要的作用。本文主要针对复杂网络中社团检测问题进行研究,主要研究内容有:首先,在社团结构形成过程中,起初往往是由有少数用户发起建立从而逐渐发展成为社团,而初始的这小部分用户可以看作是社团内的核心用户。本文根据社团演变的过程提出了基于核心节点的社团检测算法,主要分为三个步骤:1.检测核心节点;2.发现核心社团;3.构造全局社团结构。在合成网络和真实网络中进行的实验表明了基于核心节点的社团检测算法的有效性。其次,考虑到当前网络规模不断增长,快速有效的社团检测方法显得尤为重要。本文利用到了节点自身属性这一因素,并且将网络的拓扑结构特征和节点自身属性结合到一起来检测网络中的社团结构,提出的基于属性传递的社团检测算法能够快速检测复杂网络中的社团结构。在真实网络数据中进行的实验能够反映算法的高效性。最后,本文从影响传播的角度来解决社团检测问题,我们首先讨论了二者之间的关系,然后提出了一种新的传播模型IC-A,该传播模型基于真实的动作日志,并且利用提出的模型的在网络中筛选种子节点,然后利用到了队列来快速的检测社团。在真实网络中进行的实验不仅表明了利用影响传播的方法来解决社团检测问题的可行性而且检测到的社团同样能够促进影响传播的进行。