网络图是生活中离不开的一个概念,以社交网络图为例,人与人之间的关系往往呈现出一种社区结构,社区中的人比与社区外的人交互更加频繁。对这样的社区结构进行分析能够得到有意义的信息,如寻找社交平台上哪些人的影响力最大等。社区发现的研究具有重要的现实意义,成为长期以来众多学者研究的课题。随着对社区发现算法研究的不断深入,涌现出很多经典社区发现算法。这些算法基于不同的思想,本文主要研究基于局部扩展思想的重叠社区发现算法。这类算法过程简单,效率高,具有一定的准确性,但有初始社区选择不准确、扩展方法效率低等问题。本文对经典局部扩展算法Doc Net进行改进,在不使用网络先验信息的基础上,结合节点重要性算法完成了改进的DOCLLE算法,最终将算法并行化地运行在分布式计算平台Spark提供的图计算框架Graph X上。本文的主要工作如下:第一,阐述社区发现算法的研究背景、意义及在该领域的研究现状,并对经典的社区发现算法进行了概括性地介绍。研究了社区发现及Spark的相关理论知识,为改进算法和算法的并行化提供理论基础。第二,在DocNet算法基础上,融入重要性排名算法和局部相似度概念对初始节点选取和节点隶属度计算方法进行改进,使社区划分准确性更高。第三,设置多组对照实验,分别在人工生成网络和真实网络上做对比实验,选取经典的重叠社区发现算法进行对比,并且采用不同的评价标准对各个算法的社区划分质量及稳定性等方面进行评估。实验结果表明,随着社区规模的增大,所提算法的社区划分能力在逐步提高并具备较原算法更高的准确性。第四,分析分布式计算平台Spark以及图处理框架GraphX在图计算上的优势,将所提算法用Scala语言改写,使其能够在Spark集群上运行,从而提高算法在大规模数据集上的执行能力。