现实世界中的很多系统都可以抽象为网络,如人际关系网、论文引证网、科学家合作关系网、微博用户关系网、互联网等。这些网络都具有共同特点：即复杂的内部结构,因此被称为复杂网络。已有研究表明：这些网络中包含着一些潜在的社区结构,具有社区内部节点链接稠密、社区之间节点链接稀疏的特点。通常,社区内的节点具有相似的特性,在网络中扮演着相似的角色。通过社区划分来识别网络中的社区结构,有助于人们更深入的理解网络的本质,认识网络结构与其功能的之间的关系。然而,传统的复杂网络社区划分算法普遍缺乏对链接结构和节点内容的综合考虑。现有的链接结构与节点内容相结合的社区划分方法大多是基于概率模型的方法。这类方法有着数学形式优美、可解释性强的优点,但也存在着时间复杂度高、不易理解、应用实现较为困难的缺点。本文针对这方面的研究不足提出了链接结构与节点内容相结合的快速社区划分算法KRLC及其改进算法2KRLC以及CKRLC算法,其中KRLC&2KRLC适合对指定了社团数K的网络数据集进行社区划分,CKRLC适合对K未知的网络进行社区划分。这几种算法以K-Means算法为核心思想,综合考虑了节点的内容相似性和节点的链接结构相似性,融合了几种优秀的初始节点选取方法,有效地实现了对节点含有属性信息的内容网络进行社区划分。另外本文还从社会网络的角度,实现了包括数据采集、文本预处理、网络建模、社区划分四个部分的微博数据分析框架。通过该框架的前三个部分,建立了真实的网络数据集：新浪微博用户关系网。最后利用本文设计的链接结构与节点内容相结合的社区划分算法来研究了新浪微博用户关系网的社团结构。