基于k-truss的紧密社区查询问题是根据给定的查询结点集合,返回一个包含所有查询结点且联系最紧密的社区。紧密社区所属的k-truss社区对应k值越大,社区内冗余结点越少,则紧密社区的质量越高,内部结点之间的联系越紧密。本文针对查找基于k-truss的高质量紧密社区问题进行研究,具体研究内容如下。首先,通过对现有算法进行分析,发现现有算法在第一阶段查找包含所有查询结点且k值尽可能大的初始k-truss社区时,扩张过程中加入过多无效结点,导致得到的初始k-truss社区k值偏小;在第二阶段删除初始k-truss社区中受“搭便车效应”影响的冗余结点时,现有批量删除策略并不能最大化的去除冗余结点,导致最终得到的紧密社区规模偏大。其次,针对已有算法第一阶段初始k-truss社区k值偏小的问题,提出基于边的Steiner Tree扩张策略,该策略通过Steiner Tree中两个邻接结点确定候选结点。与已有扩张策略相比,本文提出的改进策略对加入扩张子图的候选结点要求更为严格,在初始社区规模存在上限的情况下,能够加入更多有效结点,可得到k值更大的初始k-truss社区。再次,针对已有算法第二阶段删除“搭便车效应”结点效果不理想的问题提出了BulkDelete++算法。该算法首先采用批量删除具有最大查询距离的结点策略,当批量删除使当前子图不再满足k-truss社区性质时,停止批量删除操作;然后使用遍历删除当前最大查询距离结点集合的策略,进而可以删除更多冗余结点。最后,基于多组真实数据集进行测试,实验结果从初始k-truss社区质量、扩张操作耗时、紧密社区规模三个方面进行比较,验证了本文提出算法的有效性。