演化社会网络是动态更新的社会网络。随着信息技术的发展,信息交换的成本迅速下降,大量易用的通信、互联网交互平台迅速发展。而在这类平台上所构建的社会网络通常具有高度动态的结构,并且其内部的结构特征相比传统网络更加丰富。演化社会网络的分析目前依然处于起步阶段,但已有的大量静态网络以及图论的研究可以被演化社会网络分析借鉴或进一步扩展。本文在对已有的分析模型研究基础上,对演化社会网络分析方法进行了理论探索和实践。本文主要针对演化社会网络分析的框架,网络变化检测以及社团划分问题进行了研究,主要工作集中在以下方面：1、提出了新的演化社会网络分析框架,利用因子模型优化关联强度特征向量,重建关联强度矩阵,并通过计算演化指标捕获社会网络的结构变化点的方法。2、定义了概率视角的演化社会网络,在此基础上提出了演化社会网络的概率因子模型,并将模型用于网络结构变化点的检测。3、提出了基于概率的演化社会网络社团划分的方法。沿用相关聚类的启发式算法,在演化社会网络的分析框架之下对社团进行划分和评价。上述理论研究在随机生成的数据集以及真实数据集进行了实践。实验结果表明Event-Detect算法以及Prob-Event-Detect算法有效的检测出了演化网络的结构变化。通过对比已有的社团划分算法,Prob-Cluster-Detect算法亦表现出较好的鲁棒性以及社团划分的合理性。本文最后部分对工作进行了总结。此外在研究展望部分还分别针对演化社会网络的时空模型、演化社会网络的关联强度模型以及基于关系的演化社会网络分析方法进行了讨论,给出在本文所给出的框架之下切实可行的若干工作方向。