在复杂网络的研究过程中,社区(复杂网络的特殊子图)的发现以及相关分析始终成为关注焦点。在过去的几年中,人们注重从复杂网络中发现社区结构,但该方法单纯分析其平面拓扑特性。对于社区属性的深入分析,特别是社区结构的空间和时间维度分析,尚处于发展阶段。通过分析社区空间特性,使人们以更准确的方式观察整个社区。通过分析社区随时间变化,使人们追踪社区的发展过程,即演化过程。所以,本文将社区的空间分析和时间分析作为两个研究点。不同与现在流行的基于结构分解的社区空间结构分析方法,本文提出了面向内容的分析方法。它的目标是在只知道社会网络的拓扑结构前提下,能够分析出不同社区位于的社会层次,即哪些社区处于社会上层或下层。分析社区空间结构分为如下步骤:(1)挖掘结点活动范围;(2)定量分析结点活动范围;(3)确定结点的网络地位;(4)发现社区结构;(5)确定社区所在网络中阶层。该方法帮助人们从一个新的角度来观察社会网络。本文提出的基于核心的演化跟踪算法目的是挖掘某一时刻的社区在下一时刻的状态。它具有如下步骤:(1)确定社区核心点;(2)利用社区核心点,为处于不同时间段的社区建立演化关系。该方法实现无参数化,同时它能够发现社区演化路径中的分裂点和融合点。通过分析社区演化路径,人们可以预测社区的发展趋势。本文实验数据包括:科研合作网、电话呼叫网、Enron公司Email网、电影演员合作网、Internet网、词网、软件网等等。多样的实验数据有效地验证以上提出的算法。在社区空间挖掘方面,本文成功展示出Enron公司的社区阶层:三个社区位于领导层,六个位于普通员工层。在社区时间演化方面,本文分析了多种数据集社区的演化发展路径。当对社会网络和非社会网络的演化特性比较后,根据它们的相异点(比如:在社会网络中,成员变动越大的社区活得越长;在非社会网络中,情况相反),本文提出了一种全新的区分社会网络和非社会网络的方法。它在本文提供的实验数据下成立。同时该区分方法帮助人们改进社会网络模型。