社会网络在现实世界各个领域有着广泛的应用,这些网络隐含了潜在结构和交互规律,并且包含丰富的数据信息,探寻社会网络上的社区结构可以帮助了解网络形成原因、节点之间的逻辑关系,更好地把握网络的拓扑特征和本质。因此,社会网络的社区发现是一个非常有价值和具有现实意义的研究课题。混合隶属度随机块模型(MMSB)是基于贝叶斯网络的社区发现算法,自从被提出便受到广泛研究。但是,MMSB算法假定节点对隶属度指示向量分布独立,这一点在现实生活中不是很合理。为此有学者提出了Copula MMSB这一新的框架,通过引入Copula函数对社区内部数据进行建模,从而完成社区划分。然而,现行的Copula MMSB算法忽略了节点间连边的权值大小,因此不能有效处理有向有权的社会网络社区发现问题。本文通过研究现有的社会网络社区发现算法,提出了基于Copula MMSB的有向加权社会网络社区发现算法,称之为加权Copula混合隶属度随机块模型社区发现算法(weighted Copula MMSB,wCMMSB)。主要工作如下:1)首先建立统计图模型并详细说明模型构建过程;2)提出两种MCMC采样方法完成参数估计;3)将wCMMSB算法应用于人工和真实网络数据。最后,通过实验结果对比发现,不管在人工网络数据集还是真实网络数据集上,本文提出的wCMMSB算法表现都要优于CPM算法,CORPA算法和SLPA算法等经典社区发现算法。