随着计算机网络的发展和网络中活跃用户的增加,关于复杂网络的研究吸引了越来越多研究者的关注。复杂网络中的社团发现可以有效的对大规模网络平台中的用户进行分析与分类,为此不同学者对社团进行了不同的定义并提出了相应的社团发现方法。谱方法是社团发现中常用的数学工具,其实质是对高维数据的低维重构,很多情况下,将社团发现中目标函数的约束条件进行松弛处理,原方法即可转换为谱方法,这样有效的减小了目标函数最优的计算量。深度学习作为目前热门的研究课题,其特点是可以学习输入数据中的特征,因此基于深度学习和谱方法在数据重构上的相似性,本文用深度学习替代谱方法对社交网络进行社团发现。本文以常用的模块度最大化模型和Ncut(Normalized Cut)模型为基础,运用自动编码器表征学习模块度矩阵和马尔可夫矩阵的特征,并对特征进行聚类分析得到社团分类的结果,实验结果表明深度学习可以替代谱方法进行社团发现,从而验证了深度学习在社团发现中的巨大价值。