网络图中的motif是一种连通的导出子图,并且满足在原图中出现的次数比它在随机图中出现的次数多很多。这种性质可以解释成这种子图在原图中扮演了比在任意的随机图中更加重要的角色。近年来,关于motif的研究越来越多,而motif发现过程计算量极大,所以需要一个更加快速的motif发现程序来提高研究效率。motif发现程序的一般步骤是在原图和它的统计特征相似的随机图上进行子图普查,然后找到符合一定统计性质的子图。由于对子图进行全普查时又需要处理图同构的问题,所以整个计算过程需要大量的计算时间。当前,在处理图同构问题时,大多数程序都使用一些正规标号算法,比如NAUTY。本文发现,这是motif发现非常耗时的一个重要原因。本文提出了一个针对子图大小小于等于6的网络motif发现算法：NetMODE。为了减少对NAUTY的调用,本文使用一个预处理的方法,将所有小于等于5个节点的图都储存在内存中,用于图同构的判定。对于节点数为6的情况,本文使用了一个基于图重构假设的方法。对于发现小于等于5节点的motif的问题,NetMODE比前人程序有30倍的加速比,在发现6节点的motif时,有20倍左右的加速比。本文还提出了一个均匀的随机图生成方法,设计了一个和外部程序包的接口并尝试了一些并行化方法(所有版本的NetMODE可以从http://netmode.sf.net处获取)。