社区结构是各种网络(例如线上社交网络,生物网络和互联网)所共有的特征。通过研究网络,检测网络中的社区结构,人们可以更好的理解网络的拓扑结构,网络中实体的属性和特征,以及网络中的信息传播途径等等。此外,对社区发现的研究具有很多现实意义,如个性化服务、信息推送等。在真实的网络中,一个实体通常属于多个社区。本文我们主要研究重叠社区和重叠节点的发现。与目前社区发现算法不同,本文将社区的发现过程与重叠点的检测过程分为两部分进行。本文围绕检测重叠节点从而发现重叠社区的思想,提出了两个算法。第一个算法是重叠社区边聚类算法。该算法主要基于边聚类,分为社区发现和节点过滤两部分。根据我们观测到的重叠节点的特征,设计过滤过程,因此算法能够准确检测出重叠点,克服了边聚类产生许多无效重叠节点的缺陷。基于边聚类的算法不适合大型网络。因此本文提出了另外一个候选重叠节点筛选算法。该算法首先获得非重叠社区结构,然后设计一个筛选过程以及相应的目标函数来识别真正的重叠点。为了评估文中提出的算法的准确度和有效性,我们在人工网络LFR和真实网络中应用算法。实验结果表明,在LFR网络中,算法在紧密网络中的性能非常好,在真实网络中,算法在分区密度,模块度等度量函数上表现出更高的精确度。