除幂律分布、小世界效应和无标度特征外,复杂网络还往往呈现一定的社区结构特征。社区结构揭示了网络的重要结构和拓扑特征,探测其中的社区结构对社会网络分析、信息推荐、犯罪网络侦测等方面具有重要的意义。本文从复杂网络的相关理论出发,介绍了当前各种重要的社区发现算法,比较分析了它们各自的特点和存在的不足,并以此为基础,提出了偏好选择标签传播算法PSLPA和基于多种群遗传算法的重叠社区发现算法。PSLPA是一种非重叠社区发现算法,算法通过衡量一对节点之间的边作为社区边界的可能性和广度优先搜索算法获取网络的初始社区结构用于初始化节点的社区标签,并在标签传播过程中采用有别于LPA算法的偏好选择策略,使得社区探测结果具有较LPA算法更好的稳定性和准确性。结合Karate真实网络数据和Newman人工网络数据验证了算法的可行性和有效性。基于多种群遗传算法的重叠社区发现算法允许网络中出现“骑墙”节点。算法将社区的划分方案编码成不同的染色体,通过种群的逐代进化过程搜索具有最佳适应度的社区划分。为了避免传统的单一种群遗传算法容易导致个体早熟的缺陷,算法采用多种群进化方案。各个种群在相对独立的条件下进化一定的代数,并逐步用相邻种群之间的最优个体交换本种群的最差个体,共同搜索全局最优解。算法采用LFR基准网络进行仿真和测试,验证了在不同类型的网络中算法的可行性和有效性。最后,本文将社区发现的相关技术应用于网络的舆论分析当中,设计并实现了一个基于网络社区发现技术的网络舆论分析系统。系统构建并抽取了Web2.0环境下用户的关系网络,结合社区发现技术和舆论分析的相关技术分析了网络用户的群体结构特征、社区舆论热点、社区兴趣爱好等内容。系统采用网络中的实证数据进行了运行测试,测试结果表明系统运行良好。