近年来随着互联网技术的飞速发展,越来越多的数据以网状的结构呈现于人们面前,而社团结构正是研究网络拓扑结构的一个重要方面。发现网络中存在的社区结构也成了一个很热门的话题,许多学者对此进行了研究。传统的社区发现算法关注于整个全局网络结构,这样会具有较高的时间复杂度。而有的时候我们也不需要获得网络的全局社区结构。比如对于网络中的一个核心节点,我们想知道的是这个核心节点的覆盖范围,也即找到它所在的社区就可以了。因此本文提出了一种新的局部社区发现算法。本文提出的局部社区发现算法以起始节点相对应的最大结合性节点为出发点,以节点相似性(两个节点的共同邻居节点数目)为度量并基于图的广度优先搜索来进行社区发现。从起始节点相对应的最大结合性节点出发进行社区发现可以避免边界节点找不到社区的情况,提高算法的鲁棒性和普适性。基于图的广度优先搜索可以得到与图的边数呈线性规模的时间复杂度。将本文提出的算法运行在四个经典数据集上,在不降低社区发现精度的情况下依然显著降低了社区发现的时间复杂度,提高了算法鲁棒性。