作为对现实生活中复杂系统的抽象和建模,复杂网络的发展为理解现实生活中的复杂关系提供了很好的借鉴,通过对复杂网络的研究获得对象之间的共同特性。社团结构是复杂网络重要的局部特征,社团结构是指网络中节点之间相互连接比较紧密的子网络。社团结构的研究可以挖掘网络中潜在的小团体,通过对社团结构中节点连边关系的研究,从而预测网络潜在的行为,因此,社团结构的发现具有重要的理论意义和实际意义。本文就复杂网络中社团发现问题进行了相关研究,介绍了相关的社团发现算法,在分析相关算法的基础上提出了基于节点依赖的标签传播社团发现算法,本文所作的主要工作如下:(1)首先对相关的社团发现算法进行了介绍,重点对局部社团发现算法进行了分析,基于局部信息的标签传播算法因为划分速度较快而被广泛应用,但该算法同时也存在不稳定性、划分质量差等问题。本文针对该算法的缺点,根据节点之间的依赖关系提出了基于节点依赖的标签传播算法,改变节点的初始化策略,先对网络中的节点依据节点依赖度进行聚类,得到初始社团,然后再借助于标签传播算法对网络中的社团进行调整,从而改变了原来算法中的不稳定性,加快了算法收敛性,并在真实网络上对该算法进行了验证。(2)在第二部分中,基于收集到的专利合作企业之间的合作数据,构建了专利合作网络,并对网络的相关结构特征进行了分析,对网络的演化模型进了推导,并基于本文的社团划分算法对专利合作网络进了社团分析,对得到的社团结构在现实中意义进行了分析,进一步说明了本算法的所具有的划分的优势。同时也说明了本算法对于局部连接紧密的网络划分的效果较好。