复杂网络通常具有内部链接紧密，外部链接稀疏的特性，探索复杂网络社区发现方法对分析论文引用网络、万维网、蛋白质交互网络和交通网络等具有重要意义。复杂网络节点间不仅存在链接关系，节点上还常常附着有属性信息。链接关系和节点内容相结合的复杂网络社区发现由于其社区划分的准确性而越来越受到人们的重视。　　本研究主要内容包括：⑴由于近年来发展的社区发现概率模型的可解释性，我们对现有的性能较好的基于节点中心度和流行度的社区划分链接模型PPL进行了扩展，给出了一种新的可以结合节点内容的组合模型PPL-DC。该模型不但解决了节点属性的选择性问题，同时充分利用了节点间的链接关系，提高了算法的精确度。⑵为了进一步改善PPL-DC模型的性能，在不以牺牲社区划分质量的情况下，我们使用了一种简单的基于相似性的稀疏化启发式方法对边进行分类，然后对每一个节点，只在稀疏图里保留部分边，以迸一步提高社区划分的精度。⑶将以上两种方法相结合，并通过多个实验验证，实验结果表明：新给出的PPL-DC模型优于单纯的链接模型和已有的链接和内容相结合的组合模型，并且通过稀疏化方法可以进一步改善社区划分的性能。最后用实验验证了影响运行时间的因素不仅仅是采用了稀疏化方法。