目前,社会网络拥有较高的理论价值和应用价值。社团结构拥有社团内部节点之间连接稠密,社团之间节点连接稀疏的特征。在不同的科学领域,研究者们对于社团结构的定义和社团结构性质所体现出的意义的解释不尽一致,因而产生了一系列不同角度和策略的社团发现算法。但是如何降低算法的时间复杂度、提高算法的准确率和稳定性仍有待解决的问题。本文进行了相关的研究,主要工作内容有以下3个方面。(1)介绍社会网络概念以及特性,然后分析社会网络的不同网络模型。对传统的社团发现算法进行介绍并进行分类,详尽的介绍各个算法的优缺点和性能,并在最新的基于节点相似度的社团发现算法的研究基础上,提出两种新的基于节点相似度的社团发现算法。(2)通过参考标准化模块度矩阵的特征间隔、节点间共同邻居节点数量及节点间最短路径长度,形成一种新的基于节点相似度的社团发现算法。然后对比现阶段的社团结构发现算法,该算法并没有限制条件,同时可以收敛,对网络信息量的需求不多,同时社团划分有着较高的精确性。将网络仿真结果与几种不同的社团算法比对,能够得出该算法的准确性和高效性。(3)定义一种基于多层级节点相似度计算方法,可以实现对节点间相似度的有效计算,另一方面能够解决节点相似度相同时的节点兼并选择问题。基于这种节点相似度计算方法和团体之间的连接紧密度度量准则基础上构建社团发现模型,并在真实社会网络上进行社团划分实验,与其他几种经典社团发现算法实验对比分析中了解到,该模型可以实现对社团成员的精准确定。