社团结构是分析社会网络的重要结构之一,其内部成员在社团中起着不同的作用。在多种分辨率下,社团的规模也有所不同。当前的社团分析方法只检测给定性质的成员,因此只能检测到固定数量的成员层次,并且成员层次与社团结构不一致。这些方法度量成员的归属程度之后,通过预先设定的阈值来得到多种分辨率下的社团结构。阈值的设定使其难以广泛应用于实际问题。为了解决这些问题,本文介绍一种新型的结构,称为社团成员层次结构。该结构根据成员归属于社团的程度将成员划分为多层,可以构建多种分辨率下的社团结构,反映社团成员的性质。本文给出社团成员层次结构的定义,并讨论其连续性,可比较性,一致性和稳定性。为了检测该结构,本文在基于种子的社团检测框架下,提出社团成员层次结构检测框架,并给出基于随机游走和线性规划的社团成员层次结构检测算法。此外,为了应对社会网络中经常出现的块结构和星型结构,本文提出基于边模式的种子社团检测算法来检测含有这两种结构的种子社团,并进行实验来分析验证。通过在多种规模的真实社会网络中进行定性实验和定量实验,本文分析了检测到的社团成员层次结构在真实社会网络中的意义,并分析了提出的算法在社团检测问题上的效率。最后,本文以两个应用问题为例,介绍利用社团成员层次结构解决实际问题的能力,包括大规模网络的可视化以及商品的交互式推荐。