计算机信息技术的迅猛发展已经让人类大踏步进入了网络时代,既包括平时的大型电力网络和交通网络,更有让人类自由获取信息的互联网、万维网和科研合作网。如今,人类的生活中到处都是各种类型的复杂网络,我们可以说是生活在一个复杂网络的世界中。这些网络在现实中普遍存在的现象,吸引了研究人员的注意,让他们感觉到复杂网络研究的重要性。其中,研究者关注的焦点主要集中于网络拓扑结构和网络的动力学行为。随后,BA无标度网络模型与WS小世界网络模型的提出取代了原先的随机图,为复杂体系的结构提供了更精确的描述。社团结构是复杂网络的重要特征之一,社团结构的研究对于深入地了解网络结构大有裨益。迄今为止,许多研究人员投入到了社团结构挖掘的研究中,并且已经提出了各种各样的算法来快速而准确地发现网络的社团结构。但大多数算法需要整个网络的信息才能找到网络中的社团结构,很难将其用于大型网络中。此外,算法的时间复杂度和准确性的矛盾也是一个重大的研究课程。因此,社团结构的研究有待进一步地深化。本文针对复杂网络中的社团结构挖掘算法的时间复杂度普遍较高的问题,提出了一种指标用来对局部社团结构进行衡量,再进一步设计了能够发现局部社团结构的算法。本文所提出算法的时间复杂度是O（kd）,其中d是网络中节点的平均节点度,k是算法预备发现社团的节点数。为了测试本文算法的实际效果和准确性,我们把本文的算法和经典的CNM社团结构算法进行比较。实验结果显示,通过本文算法得到的社团结构和CNM算法的运行结果基本相同,但在算法运行时间和性能上,本文的算法有了显著地改善。