针对社区发现算法的研究已经成为社会学、计算机科学、生态学和经济学等许多领域研究中最重要的课题之一。随着近年来互联网高速发展和移动终端的普及应用,使得复杂网络的种类和规模得到了快速的发展和变化,许多网络中节点的数目已达到数亿级并仍保持着快速增长趋势。上述这些现状给社区发现算法的研究带来了许多新的困难。本文的主要研究内容如下:(1)详细介绍主流社区发现算法的原理以及相关步骤,并分类介绍了目前适用于较大规模网络的社区发现算法,并在时间效率、准确度、应用范围和优劣势等方面进行分析比较。(2)提出了一种基于抽样的大规模网络社区发现算法,该算法首先利用基于度的随机游走技术对整体网络进行抽样得到子图,然后将基于概要的发现算法应用到此子图上进行社区发现,之后获得初始社区,最后依据已有初始社区与未抽样的节点的相似度迭代式地将剩余节点进行划分。通过与另外的算法进行比较分析,表明了该算法能够在保证准确性的同时提高计算效率。(3)提出了一种基于压缩的大规模网络社区发现算法,根据一些复杂网络的长尾特性对复杂网络进行折叠压缩,选取核心节点之后完成整个网络的社区划分。通过与另外的算法进行比较分析,表明了该算法能够在保证准确性的同时提高计算效率。本文的研究工作尤其是提出的两种算法能够在不丢失社区发现质量的同时很大程度上缩短算法的运行时间,使此项研究能够很好的适应复杂网络规模快速增大的现状,具有重要意义。