近几年随着互联网“爆炸性”的增长,人与人就交流得更加密切,社会网络也随之飞速发展,而社会网络又是由个人和组织以及他们之间的联系(交互)构成的集合,而现在研究的热点问题也逐渐变成了大规模的社会网络发现问题。在现实生活中,网络是与我们息息相关的,社会的政治经济活动,朋友之间的日常交际,科学家的合作等这些现象可以从社会网络的角度研究。通过研究这样的网络结构,我们可以用于分析信息的传播规律,把有着共同兴趣爱好的人们连接在一起,为人们提供一个更完善的交流平台和工具,或阻止不良信息的传播。本文就是基于人与人之间的交互行为,提出交互度用来度量网络成员之间的交互,并基于交互度提出了一个大规模社会网络的社区发现算法。本文的主要工作概括如下：(1)提出分层次大规模网络社区发现的方法,大规模网络的核心问题是网络规模过大,针对这个问题,本文利用分层聚类的思想提出了大规模社会网络的社区发现算法。首先,将大规模网络先进行预处理,划分为局部小的网络,并在小规模网络中进行社区发现。随后,将小规模网络中发现的社区看作一个点,在后处理阶段重构网络,基于重构网络进行全局社区发现。(2)基于交互度的计算,完成了交互度量从局部向全局的传递。大规模网络划分以后,通过交互度的计算,成员之间和社区之间的交互关系度量能够从局部向全局传递,保持度量的一致性,从而保证社区发现结果的准确性。(3)算法被应用于真实社会网络和人工模拟的网络上,分别对本文算法的准确度和效率两个方面进行了测试,说明了算法有效性和效率。综上所述,本文的工作是面对社会网络分析的背景下,提出基于交互度的大规模社会网络的社区发现算法,并且能够得到一个较为精确的社区划分。