社会网络的研究是一项涉及移动技术、互联网技术、社会学研究等多个学科的交叉研究领域，其主要的研究方向包括网络组建模型研究、社团发现研究、信息投递研究、安全性模型研究等多个方面。社会网络的研究注重节点的社会属性和社会关系，研究表明，真实网络中存在着紧密的社团结构，而从整体网络节点间的逻辑联系中发现这种社团结构的过程就是社团发现。基于社会网络的其他技术研究往往以社团发现的结果作为依据。本文从社团发现方面进行了深入的分析与研究。主要完成了以下三个方面的工作：首先对现有的基于标签的经典社团发现算法进行了研究与性能分析。然后设计一种基于标签的社团发现算法，并在自主设计的通用社团发现算法仿真平台上仿真实验，通过与几种经典算法对比，验证了算法性能，在不影响算法效率的基础上优化了算法划分结果，提高了算法稳定度，消除了算法中社团归属数目最大值的限制。最后探索式的设计了一种分布式的社团发现方法。本文描述了当前社团发现研究的基本状况，通过对各种分类的社团发现算法的分析，描述了经典的社团发现算法及其发展，深入分析了与本文设计算法相关的基于标签的社团发现算法。基于标签的算法虽然不具有精确的数学模型，但是因为其在实验中简单高效的表现，成为了最快速的社团发现算法之一，适用于大型网络。但由于算法中过多的随机策略和不确定性，使得基于标签的算法具有一定的不稳定性。通过分析当前基于标签的社团发现算法的优势和存在的问题，本文设计了一种改进的基于标签的社团发现算法，简单初始化的全标签交互社团发现算法（SGLPA）。算法从初始化节点标签方法和标签更新策略两个方面作为主要改进思路，减少了社团发现的初始化标签数目和更新过程中的随机策略，提高了算法的计算性能和算法的稳定度。本文设计实现了一个通用的社团发现算法仿真平台，在该平台上仿真实现了几种经典的社团划分方法和本文设计的算法，并对仿真结果进行了对比分析。最后本文探索式的设计了一种应用于社会网络的，分布式的基于节点标签交互的社团发现方法，将集中式的社团发现算法进行动态的分布式计算。