动态社区发现作为社交网络分析的主要研究方向之一,已经成为科研人员关注的重点领域,并广泛应用于公共安全、公共卫生、推荐系统、网络分析、链路预测和舆论监测等诸多领域。目前基于图嵌入的动态社区发现主要面临两方面的问题:一方面,传统增量动态社区发现方法仅仅关注于节点与边的局部变化,从而忽略了历史结构信息对当前时间网络的影响,使得动态社区划分不够精确;另一方面,在动态网络表示学习过程中,浅层的图嵌入算法往往无法挖掘深层次的节点动态交互信息,不能很好的表征动态网络的时空特征。针对上述问题,本文以动态社交网络为研究对象,将精准的动态社区发现作为研究目标,结合图嵌入技术,提出了基于图嵌入的动态社区发现方法。本文的主要工作包括以下三个方面:（1）基于时间游走嵌入的增量动态社区发现。针对传统增量动态社区发现无法考虑到历史结构对当前网络的影响的问题,提出了基于时间游走嵌入的增量动态社区发现方法。该方法分为两个阶段。在数据处理阶段,首先,利用历史时间网络构造出融合历史边权重的快照网络,同时设计了时间游走策略用于提取节点序列;然后,利用词嵌入技术学习节点的嵌入。在社区发现阶段,首先,提出增量节点的定义,并将嵌入信息作为动态节点的属性,构造成动态属性网络;接着,利用改进模块度的社区发现方法,对动态网络进行社区划分。最终,该方法能够准确、高效的对合成和真实动态网络进行社区发现。（2）基于时空图嵌入的动态网络社区发现。针对浅层的图嵌入技术无法充分挖掘节点之间的动态交互信息的问题,从动态网络的时空演化角度出发,提出了基于时空图嵌入的动态网络社区发现方法。首先,使用图卷积神经网络聚合动态网络节点在空间上的交互,并使用循环神经网络来共享卷积网络中的权重参数;接着,引入门控循环单元学习节点在时间上的特征信息,从而构成动态网络的时空图嵌入信息;最终,使用自组织映射算法对各时间快照网络的嵌入特征进行节点划分。实验表明,该方法能够有效的学习到动态网络的时空信息,提高了社区发现的准确度。（3）社交网络中社区发现系统。基于面向对象设计思想,采取模块化设计思路,结合现有研究和本文的研究成果,实现了社交网络中社区发现系统。该系统集成了大量动静态社交网络数据集和社区发现算法,能够对本文的研究成果进行实验验证及结果分析,为进一步规模化应用及拓展提供了实验依据。