随着微博、微信、论坛等各种社交网络的广泛应用,人们在社交网络中产生了大量的数据,这些生成的数据构成了复杂的虚拟社会网络,虚拟社会网络是对现实社会的虚拟映射,利用计算机技术手段分析和研究虚拟网络中的社会关系、社会行为的规律和发展趋势,对研究和解决社会学中的相关现实社会问题具有重要的意义。社区发现是复杂社会网络研究的基础,近年研究者发现,重叠社区发现更能反映真实社会的状况。标签传播算法是社区发现算法中应用广泛且典型的算法之一,但是,该算法在初始化阶段存在标签冗余现象,同时算法在标签传播过程中由于节点更新顺序的随机性还造成了算法的输出结果不稳定和不准确。本文针对标签传播算法存在的这两个问题提出了基于K-团和节点影响力的同质网络重叠社区发现算法。该算法在初始化阶段首先寻找网络中的K-团,并给属于同一 K-团的节点赋相同的标签改进标签冗余问题;在标签传播阶段计算节点的半局部中心性排列节点并依照排序策略更新节点标签。通过在多个标准数据集和真实微博数据集上实验,表明本文提出的算法不仅提高了算法稳定性,且提高了社区划分质量。以往复杂网络社区研究主要集中在同质网络,但是,现实社会是一个多元化的社会。同样,社会网络也表现出异质特性,即网络上会有不同类型的对象以及多种关系并存的情况,因此,把复杂社会网络抽象成异质网络更加贴近,在异质网络中研究社区是当前的一个研究热点。本文认为异质网络中刻画对象之间的关系亲密度是异质网络研究的一个核心问题,因此,本文应用随机游走的方法来计算异质网络中不同节点对象间的关系亲疏度,从而将异质网络重构成同质带权网络,由于随机游走算法充分考虑了异质网络中不同节点之间的多种关系,故重构带权网络不仅有效转换了异质网络的网络结构关系,而且还为异质网络的社区发现寻求了一种解决方案。本文解析DBLP文献数据集并构建了异质网络数据集,在该数据集上测试了本文设计的异质网络计算节点亲疏度的方案,并在重构的同质带权网络实现社区划分的效果。为了更清楚和有效地展示复杂网络下的社区发现的研究内容,本文设计与实现了社区划分展示与分析系统,该系统的展示部分主要是可视化展示不同复杂社会网络数据集的原始网络结构,以及展示多种经典社区发现算法在数据集上划分出的社区结果,该系统的分析部分主要目的是展示社会网络的应用,系统实现了针对微博网络数据集的情感分析,进行了微博上的热点事件以及微博用户对事件的情感倾向的分析展示。