现实世界的网络大部分随着时间不断变化,因此也被称为动态网络。为了挖掘这些动态网络数据中隐藏着的巨量价值,动态网络演化分析成为了目前的一个研究热点。其中,动态网络中的社区演化过程分析是最有意义的研究方向之一,其在影响力分析、信息传播、网络营销等应用中都具有重要价值。论文在总结动态网络社区演化过程分析现有研究的基础上,对社区演化过程分析基本框架中的重要环节进行了重点研究,主要工作包括:第一,在动态网络时间片划分环节中,针对固定长度时间片划分方式导致的社区演化过程分析误差,提出了一种基于边集相似度的时间片划分方法。该方法通过计算更新操作对网络边集相似度的影响,动态调整时间片的长度。实验结果表明,该方法减少了网络结构变化程度剧烈时,因固定长度时间片无法有效提取网络结构特性而导致社区结构检测结果差异过大的问题,并且涵盖了更多演化过程中的社区演化事件。第二,在社区演化事件匹配环节中,针对现有方法在描述社区演化过程时会遗漏重要演化信息的缺陷,提出了一种基于跨时间片的社区演过程刻画方法。该方法根据社区之间演化事件的关系,通过跨时间片的方式,动态增加时间片的匹配范围。实验结果表明,该方法使用更多的社区事件描述社区演化过程,能够发现一些隐性的社区演化关系,为研究社区演化规律提供了更丰富的语义信息。第三,结合前面的研究内容,设计并实现了一个社区演化过程分析系统。该系统能够将输入的动态网络数据进行社区结构检测,然后分析社区结构的演化过程,并将结果可视化展示。