社团发现是复杂网络研究领域中热点的研究问题之一,目前已有的研究主要是关于相同种类节点且一类关系下的复杂网络中的社团发现问题。然而,现实中存在的网络大多是由多类节点且多种关系组成,将这种网络统一称为多子网复合复杂网络,简称为复合网,复合网络中除了含有传统的社团结构,还具有由不同节点组成的跨网的网际社团,网际社团往往更有意义,如在表型蛋白质复合网络中,研究表型和蛋白质的社团关系,有利于致病基因的研究。然而这种的复合网络中子网的连边密度往往不同,这种密度的不均匀导致已有的社团发现算法不易发现网际社团。本文研究了当前传统网络和复合网的的社团发现算法,分析了各种算法的优缺点。基于目前算法不易在子网连边密度不均匀时发现复合网中的网际社团,本文提出了针对子网连边密度不均匀的复合网的社团发现算法,并根据测试网络的构建规则构建复合网测试模型,在不同的网络连边密度下进行了多次实验。在此基础上,本文针对蛋白质表型数据构建了表型蛋白质复合网络,并根据文中提出的算法对该网络进行社团结构的发现,将有利于致病基因的研究。本文的主要研究内容如下:(1)针对复合网中子网连接密度的不均匀的问题,采用随机游走,将子网节点与层间连边的紧密程度转化为向量,通过对每个子网中的节点向量进行零-均值规范化,减弱了子网连边密度不同造成的差异。(2)为了验证算法的有效性,根据Newman测试网络的构建规则,提出了可含有不同连边密度的复合网络模型,在不同的子网连边密度下分别进行了实验。结果表型,可以有效减弱子网连边密度不同造成的差异,从而在网络连边密度不均匀的复合网中发现网际社团。(3)将本文提出的针对子网连边密度不均匀的复合网的社团发现算法应用于基因与表型的关联性分析,根据表型、蛋白质数据,构建了包含两种节点、三种连边关系、由17714个节点以及1426条层间连边组成的表型蛋白质复合网络。并对该网络利用本文提出的算法进行社团发现。