过去几年里,在对网络社区的研究中,众多社区结构发现方法,多是单纯地分析其平面拓扑特性。对于社区属性的深入分析,特别是对社区结构的空间和时间维度的分析,尚处于发展阶段。分析社区的空间特性,可以用更准确的方式观察整个社区。对社区时间维度的分析,可以追踪社区的发展历程,所以本文重点研究社区的空间和时间特性。本文的主要工作内容是寻找到社区、得到它们的层次关系,并找到它们的演化关系。不同于传统社区发现分析方法,本文所提算法的目标是在只知道社会网络的拓扑结构的前提下,能够分析出不同社区在社会发展历程中的功能,即哪些社区处于社区发展的源头或前沿,另外可以通过追踪演化路径来预测社区发展趋势。该方法实现无参数化,同时还能发现社区演化中的拐点,确定节点的网络地位等。在工作中,本文的创新点主要有:1)将网络中有向边的终点作为起点的关系属性,然后研究起点的概念集合。引入了FCA方法(形式概念分析方法)后,直观地展示社区间的层次结构和交互关系。通过关系分层,使得结果具有揭示演化趋势的能力。2)按照关系的传递性来对关系网络进行分层后,对各层网络按星型结构迭代简化,社区中的若干星型结构都是最紧密和稳定的,也是社区的最小单位。3)从社会学理论出发对社区提出新的定义,基于此提出影响社区发展的最小单元便是星型小社区而非单节点,也对算法做了适应性改进。4)提出基于概念树的规则提取方法、协同推荐方法等。