随着互联网的快速发展，特别是web2.0的理念普及相关技术的日臻成熟，基于社交网络的新型互联网应用有了飞速的发展。这些应用使得社交网络的节点数量规模越来越大，节点之间的联系也越来越复杂。研究社交网络中的社团结构，有助于掌握网络的拓扑结构、揭示网络的特性、了解网络中各个部分的功能、发现隐藏在网络中的规律和预测网络的行为。现有的社团检测算法在检测速度和划分的准确度上很难达到一种平衡，特别是在网络规模越来越大的情况下，研究这一问题具有重要意义。　　本文提出了基于改进的Infomap社团检测算法和基于扩散的层次化社团检测算法。其中基于infomap改进的社团检测算法在Infomap的基础上提出了基于合并最小MDL所对应社团的改进算法，将MDL函数优化为一个遍历节点访问频率和离开概率的函数，提高了算法在进行社团检测时的检测速度。基于扩散的层次化社团检测算法采用了扩散的、层次化的社团检测方法，在局部核心结构的发现中，应用了网络的树形结构的特征，通过不断调整边权重阈值，得到局部核心树结构；在扩散步骤中，先将剩余节点归到其最大权重边所连节点所属社团中，再进行剩余两个扩散步骤；在选择初始边权重阈值的过程中，算法采用了所发现的最稀疏社团的社团密度值作为优化的目标，使发现的社团结构更加明显。　　仿真结果表明，本文算法可以将大量用户连接关系简化为社团与社团之间的连接关系，以及各个社团内部的关系。这样就能在很大程度上减少每次需要处理的数据量，对海量数据的分析能起到化繁为简的作用。