信息技术的空前发展使得针对复杂网络的分析研究不断深入，复杂网络的小世界性质、无标度性质等重要特性的揭示对于深刻理解网络内在结构、演化特征具有重大意义。社团结构作为复杂网络的又一重要性质，对于计算机科学、生物科学、社会科学等各个领域具有非常重要的研究价值。社团发现以其问题的复杂性、社团的重叠性、网络的海量性等多种难点受到了广泛的关注，是当前的一个热点研究方向。　　本文就社团发现的相关问题展开研究，具体工作如下:　　1)提出了“关系强度”度量。该度量定义了网络中任意两个节点间关系的紧密程度，是一种相似度度量。本文提出的若干算法都基于该度量;　　2)提出了基于核心子团的社团发现算法。根据一般复杂网络的特性提出了核心子团的概念，并在此基础上提出了一个非重叠社团发现算法，该算法的核心过程是以一种预分配的方式调整核心子团分布。进而根据重叠社团扩展模块度提出了一种重叠条件，并在非重叠社团发现算法的基础上提出了一个重叠社团发现算法。实验表明两种方法能够准确地挖掘社团结构;　　3)提出了基于“平均准确率”的局部社团发现算法。结合信息检索、分类等领域中“平均准确率”这一概念以及关系强度，提出了一种新的适应度函数，并在此基础上设计了一种扩张模式，提出了相应的局部社团发现算法。实验结果表明该算法快速有效;　　4)设计微博网络爬虫。定制微博爬虫，并爬取了一个局部微博网络，用提出的局部算法挖掘其中的社团结构，并设计了相关的验证模型。结果表明微博网络具有显著的社团结构。