社区发现是社交网络相关研究的重要组成部分,社区反映了社交网络中用户间的关联关系,具有巨大的数据挖掘价值。同时,随着用户需求的日益多样化,不同类型的社交网络得到蓬勃发展。跨社交网络间存在着广泛的数据流动和信息互补等现象,该场景下的相关研究具有较高的学术价值。跨社交网络下的应用研究同样需要社区发现工作的支持,例如跨社交网络下的舆情分析、信息检索、内容推荐等。但是,不同社交网络间显式关联关系较少,网络主体功能差别明显。因此,如何实现跨社交网络的社区发现成为当下研究工作的新挑战。本文将不同社交网络中同时具有活跃账户的互联网用户定义为跨社交网络重叠用户。重叠用户在不同社交网络中广泛存在,且多数重叠用户会在不同网络中发布相似信息,搭建了不同社交网络间信息流动的“桥梁”。因此,针对上面的问题,本文以跨社交网络重叠用户为基础,提出基于重叠用户的跨社交网络社区发现方案。本文首先从不同社交网络中挖掘跨社交网络重叠用户集合,并进行筛选。然后对重叠用户集合建模,构建跨社交网络重叠用户混合网络。之后使用本文提出的CMN_NMF多维网络子团划分算法对重叠用户混合网络进行社区划分,获得关联关系紧密的重叠用户子团。以重叠用户子团为核心在不同社交网络中进行基于重叠用户子团的社区发现工作,获得每个社交网络的社区划分。最后将不同社交网络中拥有相同重叠用户子团的社区进行融合,获得跨社交网络社区。本文以知乎和微博社交网络中的用户群体作为真实数据集来验证本研究提出方法的有效性。在实验中提出重叠用户子团文本内容相似度,跨社交网络社区内文本内容相似度和隐式重叠用户发现比例三个评价指标来进行不同算法的对比。对比实验结果表明,本研究给出的跨社交网络社区发现方案能够更好的挖掘不同社交网络中的相似用户,满足现实研究需要。最后,本文设计并实现了跨社交网络社区展示的原型系统,以web页面的形式对社区用户关联关系和用户详细信息进行了可视化展示。