复杂网络遍布人类社会的各个领域，一般具有以下全部或部分特征：自组织、自相似、吸引子、小世界以及无标度等。社团结构发现是复杂网络研究中的热点。具有社团结构的复杂网络中，社团内部节点间的联系紧密，而社团间的联系稀疏。本文首先介绍了社团结构发现的国内外研究现状，详细分析了各算法的优缺点及适用范围。针对大规模有向赋权网络中的重叠社团发现问题，提出了基于局部重心的网络重叠社团发现方法，主要研究内容包括以下3方面：　　(1)针对大规模有向赋权网络中的社团发现问题，提出了局部重心的概念及基于网络局部特征的局部重心发现(LCGD)算法。该算法综合考虑了节点的权重，边的方向及边的权重等局部信息。基 LCGD算法，考虑到节点邻域规模对局部重心的影响，提出了LCGD算法的改进版——LCGD2算法。通过实验验证了算法的有效性。　　(2)针对传统的基于模块度优化的算法不能发现小社团的问题，本文将赋权机制融入模块度函数，提出了改进版的多步扩展(IMSG)算法。该算法每轮迭代中都合并符合条件的多对社团来避免网络过早收缩到大社团，从而可以有效发现小社团。　　(3)针对有向赋权网络中重叠社团发现问题，提出了重叠社团构建策略及基于局部重心的网络重叠社团发现(LCG-IMSG)算法。该算法通过分析网络局部信息降低了时间复杂度，通过重叠社团构建策略发现有向赋权网络中的重叠社团。在有向赋权邮件网络上对 LCG-IMSG算法进行了验证。并通过模块度，社团密度以及社团强度对所发现的社团的质量进行了评价。