社区结构作为社会网络的一个非常重要性质,可以反映出社会网络成员个体的行为特征以及与其它个体的关系特征,发现社区结构有助于对社会网络内部规律的分析与理解,对社会网络研究有非常重要的理论意义和研究价值。本文将集对分析方法引入到社会网络的社区发现中,提出一种基于集对联系度的顶点间相似性度量方法,并应用该方法对社会网络进行社区发现。首先,基于集对联系度中同异反关系的描述,提出基于加权聚集系数联系度的顶点间相似性度量方法。该方法考虑差异标记i对异关系转化为同关系的影响,采用顶点的聚集系数量化i值;考虑顶点度和顶点间路径对相似性的贡献,为顶点间的同异反关系进行加权。其次,将该顶点间相似性度量方法应用于社区发现中,为减少传统凝聚型层次聚类算法的大量更新操作,减少社区聚类的不合理现象,提出顶点间相似性优先凝聚和社区间均值凝聚相结合的层次聚类算法VSFCM。再次,现有基于集对理论的社会网络分析方法,主要以传统的无符号网络作为研究对象,本文将其扩展到符号网络研究中,考虑符号网络兼具拓扑结构和边的符号属性的特点,并结合结构平衡理论和顶点聚集系数量化i值,提出基于集对联系度的符号网络顶点间相似性度量方法。最后,在传统社会网络和符号网络上进行社区发现实验,通过实验验证本文提出的相似性度量方法和VSFCM算法的正确性及有效性。