互联网技术的发展推动了数据量的增长,大量的数据形成了由边和节点互相关联组成的复杂网络。社区结构在网络中表示拥有共同行为或联系紧密的节点群组成的子网络,社区结构拥有真实性,稳定性等特点,在复杂网络中成为一个研究的热点,通过对网络中社区结构的研究可以更深入分析复杂网络的拓扑结构。现有的网络结构大多是会随着时间变化的动态网络,网络中的个体之间的联系会随着时间的变化发生结构的改变,研究这种社区结构的改变能够发现社区随着时间的变化而变化的趋势,发现其隐藏的信息、预测网络未来的变化趋势等等,在许多方面都有着重要的现实意义和作用。本文以利用张量分解的方法研究社区演化为目的,以现有的张量CP分解研究得到的社区发现结果为基础,结合第三维属性为时间轴的网络特性,将每一个时间片的社区结构和动态社区的总体结构进行相似性对比,得到网络个体间的联系通过演化事件进行了怎样的结构变化。在通过对实验结果的分析和验证后,在该结果之上找出社区演化过程中变化较大的社区,对这些社区进行分析,找出这些活跃社区在整个网络随时间变化的过程中有怎样的影响和意义,确定用张量分解研究社区演化的可行性。为了验证张量分解研究社区演化的可行性和有效性,本文在PSTN数据集、Facebook wall posts数据集和DNC电子邮件数据集上分别进行了评估实验。将网络数据集进行张量表示并进行张量CP分解得到特征矩阵,分析特征矩阵后得到的社区发现结果与每一个时间片上的社区结构进行相似性对比得到数据网络的变化趋势,得到社区演化的结果。其中在DNC电子邮件数据集上额外进行了每一个时间片上的变化值方差排列,得到活跃度最高的社区集合,分析该社区对于整个网络的影响。实验结果表明利用张量分解的算法可以有效的对比每一个时间片上的社区变化趋势,能够得到社区演化的不同事件,根据社区变化的程度也可以得到网络中的若干个活跃社区,验证了算法的可行性。