随着移动互联网技术的发展,在线社交网络作为一种重要的网络应用,正逐渐深入人们社会生活的方方面面。社交网络中的用户由于自身的交往范围和兴趣爱好而聚合形成群体(社区)结构。社交网络的变化、信息传播与这种结构关系密切。如何从网络中找出社区结构成为了近几年社交网络研究的热点方向。本文研究了社交网络的模型和社区发现算法,然后提出了一种新的基于邻接向量传播的社区发现算法。算法包括了邻接向量传播和层次聚类两个阶段。首先为了定义网络中节点间的相似度,本文提出了邻接向量的概念。邻接向量是一个多维空间中的单位向量,它的方向代表了节点一定范围内的网络拓扑信息。在向量传播阶段中,节点与邻居交换拓扑信息,将自己的向量与邻居的向量组合,最后计算出邻接向量。通过邻接向量内积定义了节点相似度,相似度越高的节点越可能在同一个社区中。在层次聚类阶段,迭代地选择具有最大相似度的相邻节点进行合并,并通过向量合并和降维过程保持向量能代表一个社区并维持较低的维数,最终提取出网络中的社区。为了评估算法准确性,我们将算法应用到了现实网络和LFR基准测试网络中。实验结果表明,邻接向量相似度能够比较准确地反映节点之间的相似性。与其它一些算法相比,本文提出的社区发现算法能够比较有效、准确地找出网络中的社区结构。