随着人们对复杂网络的深入研究,发现社区结构是我们很多现实真实网络共同拥有的属性。在社团内节点与节点之间连接非常紧密,相对而言,社团与社团之间连接较为稀疏。揭示网络的社区结构,对于深入了解网络结构与分析网络特性是很重要的。在复杂网络中发现社区是各种领域中应用的基本数据分析问题。大多数现有方法都侧重于发现节点社区,而最近的研究已经显示出网络中链接社区知识的巨大优势和效用。从这个新的角度来看,我们提出了一种基于链路动力学的算法,称为LDA,用于识别网络的链路社区。在链路动力学算法中,采用链路-节点-链路随机游走的随机过程来展开网络中链路的嵌入式双分区结构。然后利用随机游走下面的马尔可夫链的局部混合特性来提取两个出现的链接群落。此外,随机游走和二分区过程被包装在迭代细分策略中,以递归地识别将网络链接分成多个细分的链接分区。我们在综合基准测试中评估新方法的性能,并证明其在实际网络中的实用性。我们的实验结果表明,我们的方法对于发现复杂网络中的链路社区非常有效。作为比较,我们还将LDA扩展到提取节点社区,并表明它对节点社区识别也是有效的。