社团结构是复杂网络的一个重要属性,在生物学、社会学等众多学科领域有着广泛的应用,越来越受到人们的关注。近年来有很多的社团结构探测算法被提出来,但是这些算法在计算复杂度和准确度上仍然存在着一些不足。本文从节点间的邻居关系出发,提出了两种检测社团结构的算法,主要工作如下：(1)给出了某种社团结构划分下单个节点划分效果的评价：强社团结构节点、弱社团结构节点、二义性社团结构节点和非社团结构节点。这种评价方法的理论基础是强社团结构和弱社团结构的定义,对于分析和判断一种社团结构的划分效果具有一定借鉴意义。(2)提出了一种改进的派系查找算法,从当前网络中度最小的节点开始,每找到一个派系就删除只存在于这个派系中的边；从大到小选取派系来组成社团或者将派系中的节点吸收进社团。在几个实际网络上对算法进行了测试,并对结果进行分析,结果显示该算法在派系查找上相对现存的其它算法有更高的时间效率和更低的空间资源需求,并且对网络的社团结构划分效果较好。(3)提出了基于节点间依赖度的社团结构检测算法,这种算法只需考虑一个节点的邻居节点,即可将该节点划分到社团。给出节点对节点、节点对社团的依赖度以及节点对社团的条件依赖度,详细介绍了算法的实现过程,在几个实际网络上对算法进行了测试,并对结果进行分析,该算法有较低的计算时间复杂度,对社团结构的划分结果也比较理想。本文得到国家自然科学基金(61370145,61173183,60973152),高等学校博士点专项科研基金(20070141014),辽宁省高等学校优秀人才支持计划资助(LR2012003),辽宁省自然科学基金(20082165),中央高校基本科研基金(DUT12JB06)的联合资助。