随着信息时代的高速发展，人们的生活、工作和社会网络之间的联系越来越紧密，社会网络体现是一种密集的社会结构，这种社会结构已经形成了相对比较稳定的关系体系。社会网络就是将各社会个体成员(或者组织)之间通过互动的方式相连接，它所关注的是每个社会个体成员或者组织之间的互动和联系。社会网络一般都呈现出高度的社区性，这也是社会网络和随机网络之间的区别。社区发现就是根据给定的社会网络，来抽取社区。国外已经针对这个问题的研究很多，并且广泛地应用于科学家的合作、疾病的传播等方面。该那么如何在社会网络中高效地发现社区，就称为了近年来社会网络的研究热点。　　本文主要研究工作如下：第一，分析目前社会网络的社区划分算法。通过对各种算法进行详细的阐述和性能比较，结果表明：一方面这些算法进行合理社区划分的时间复杂度较高而且效率较低，另一方面这些算法进行合理社区划分时需要设置先验条件。　　第二，针对这些算法存在的主要问题，本文准备首先通过图着色算法首先求出极大团，给出就求解极大团算法的具体数据结构定义和算法基本步骤。然后根据已有的社区划分算法评价指标，提出基于图着色的极大团聚类社区发现算法。并且在经典的社会网络及大规模社会网络上对新算法进行测试，并与典型的社区发现算法作比较。实验结果表明：相比于典型的社区发现算法，新算法的优越性更明显。本文最后指出了在本文基础上进一步要进行的研究。