伴随着信息技术和互联网的高速发展，文本信息正以指数速度飞速增加，如何在这些海量的文本信息中快速的获得目标信息，合理的管理和使用这些文本信息，已经成为当今亟待解决的问题。随着无标度网络模型和小世界网络模型的提出，以及复杂网络中呈现出社区结构的特性，国内外的许多学者开始研究如何从各种规模的网络数据集中有效地发现社区结构，建立基于复杂网络的社区结构。本文将复杂网络引入到中文文本中，通过将文本表示成复杂网络模型，对文本进行特征提取，相似度计算，最终根据社区划分算法来构建文本社区。本文首先介绍研究背景和研究意义，以及文本表示模型、文本特征选择和文本社区构建的国内外研究现状。其次对复杂网络基础理论知识进行了介绍，包括复杂网络的研究历程、图模型表示方法以及小世界网络。再次，本文介绍了社区和虚拟社区概念，以及描述了各个领域内存在的复杂网络系统，最后对社区划分的评价标准模块度进行了详细阐述。将文本经过预处理之后，选取词频大于给定阈值的词汇作为文本复杂网络的节点，同一个句子中词语之间跨度小于等于2的词语连边，计算邻近节点间的相关度，将其作为边的权重，构造出单篇文本的加权复杂网络。在单篇文本的加权复杂网络基础上，计算网络节点的综合特征值，提取出综合特征值较高的节点作为文本的特征词，构建文本的向量空间模型，并计算文本间的相似度大小。在文本集中，将文本间的相似度大小作为边的权重，构建文本集的加权复杂网络，按照本文提出的社区划分算法对加权复杂网络进行社区划分，得到文本社区。实验结果表明，该算法能够有效的对文本集进行社区划分，社区的划分结果符合客观事实。本文提出的基于复杂网络的文本社区构建方法能够成功探测到文本集中存在的社区结构，然而还有许多不足的地方，在如何进行社区特征提取，提高算法的效率等多个方面还需要进一步的完善。