在大数据时代背景的推动下,人们对从海量、结构复杂的信息中获取有效信息的方法越来越感兴趣,而复杂网络正是研究这种复杂系统的一个重要切入点,社区结构恰好又是复杂网络的一个非常重要的特征。网络中社区结构的公认定义是指网络是由许多不同类型的节点相互连接而成,其中,相同类型的节点之间拥有较多的连接,不同类型的节点之间只拥有较少的连接。通过对网络社区结构的发现,可以获得网络的内部结构、相互作用的关系和规律特性,比如统计特性、功能特征和演变规律等,不仅为解决实际问题提供了有效的途径,同时也大大降低了研究的复杂度。因此,网络社区发现的相关研究越来越受到关注。首先,综述了复杂网络的研究背景,论文的研究意义、研究内容和研究方法。然后,结合目前社区划分算法、网络可视化和网络演变分析的研究现状,提出了一个基于复杂网络社区划分算法和网络可视化技术的知识发现的研究技术路线。该技术路线包含的核心技术有：(1)在已有的社区划分算法的基础上,提出基于概率方法的社区划分算法；(2)提出基于社区划分算法和图布局算法相结合的网络可视化方法,解决了数据量大、信息复杂的展示问题,同时也为网络社区的分析提供了有效的工具；(3)在网络演变分析中,将时间维度和社区之间的相似度作为社区演变分析的两个量化指标。最后,将提出的知识发现研究路线应用到林业学科领域的热点识别和演变分析中。以中国林业信息网上的林业文献数据作为实验数据,从复杂网络的拓扑统计特性、功能特性和社区演变的视角,对文献信息构成的复杂网络进行了实证分析；对于获得的林业领域研究热点,从微观和宏观两个方面对获得社区结果进行了验证,结果表明获得的社区是有效的,这说明论文提出的知识发现的研究路线是可行有效的；最后,对识别出的林业领域的主题域从时间维度和相似度两个角度进行了演变分析。