近年来,随着Internet快速发展,Web互联网络已经成为了一个巨大的、分布广泛的全球信息服务中心,提供了新闻、财经、商业、文化、教育等各种信息服务。互联网络上极度相关的页面聚集在一起形成的各个具有共同相关主题的页面集合是Web社区。Web社区发现是指在分散和无序的互联网环境中发现潜在的和已定义的主题社区,并从互联网中抽取这些社区的过程。因此,将此技术用于Web数据挖掘具有重要的理论意义和实用价值。本文将从理论、算法和实现等三个方面研究社区发现技术。本文主要研究基于Web数据挖掘技术的社区发现技术。本文首先阐述了社区发现技术基本理论,用以处理数据的Hadoop平台的介绍,对现有的典型社区发现算法作了分析,例如Pagerank算法、HITS算法、基于二分图核的社区发现算法、基于最大流的社区发现算法等。针对这些基于结构挖掘的社区发现算法算法优势和缺点,着重针对PageRank算法仅适合静态网页排名,且与主题和时间无关的缺陷,提出一种新的改进社区发现算法TTPageRank算法,弥补以上不足,实现了基于链接权重的发现社区的方法,并在实验室多台虚拟机环境下搭建了一个基于开源Hadoop软件的分布式平台,在该平台上利用MapReduce编程模式设计并实现了PageRank算法和本文给出的改进的TTPageRank算法,演示了改进算法发现社区的过程；利用爬虫工具抓取的大量实际网页数据集对两个算法在Hadoop布式平台上进行了实验,实验运行结果表明了两种算法的性能和社区发现的准确性的不同。