社团发现是数据挖掘算法在社会网络分析中的一个重要应用，它通过分析网络中顶点与边之间的关系，将网络中的顶点分成为不同的社团，每个社团内的顶点与该社团内部的顶点联系紧密，而与社团外部的顶点联系则相对稀疏，从而清晰地反映出网络的内部结构。　　 本文从当前常用方法的反面出发，研究基于顶点间差异性的社团发现算法，论文的主要工作如下：　　 1)综述了社团发现算法的研究现状，以及算法中用到的社会网络的参数；　　 2)提出了顶点差异性的概念与二种不同的度量方法。从当前研究的顶点相似性的反面出发，提出相邻顶点之间的差异性，并且提出了从顶点自身出发，从一个顶点出发两种差异性度量方法；　　 3)根据提出的顶点差异性，结合贪婪算法的相关应用，提出基于顶点差异性的社团发现算法，并且分步骤给出具体的实现过程；　　 4)应用计算机产生的社团结构已知的网络、现实中的真实网络对算法的有效性和实用性加以验证。