在实际世界中，很多大型系统都可以抽象为复杂网络系统。因此，复杂网络的研究具有非常重要的科学意义。社区结构是复杂网络的一个很显著的特征，相同社区内节点相互联系密切、不同社区节点相互连接比较稀疏的特点。准确、高效地挖掘出社区结构对分析复杂网络拓扑结构、预测未来行为等有着重要的作用。本文首先分析了从社交平台上获取得到的信息，通过建立对应的人际关系网络，分析其统计的度情况结果得到微博用户关系网符合幂率分布，从而证明这个网络是无标度网络，即大部分的用户拥有较少的关系，而小部分的用户拥有大量的用户关系。然后本文改进了节点相似度函数，修改后的节点相似度函数可以更精确地衡量节点之间的关系，作为判断节点是否在同一社区的标准。接着本文还提出了二次划分社区结构的算法，在初步划分时，根据节点相似度为单一的节点寻找相似的节点，形成了群体结构；第二部分在弱社区结构定义的约束之下，将群体结构合并成为符合条件的社区。通过采用二次划分的算法，可以更加精确地发现社区结构，即每个社区内部的联系大于社区之间的联系。该算法不需要预先得到有关社区结构的个数参数，而且还能处理各种规模的数据集。在实际网络和人工网络上对1000、5000等不同节点数目的网络进行了实验测试。通过与真实网络结构进行对比，说明此算法有很高的准确率，更重要的是，该算法在较大节点的网络上也有很好的效果。