现代生活中人们有大量的时间都在使用互联网,人们在互联网中也如现实生活中一样相互交流接触,因此形成了在庞大的人群基数下的网络社交关系。在这样的网络中,准确定义每个群体之间的区别变得重要。互联网社区中存在着真实的文化、标准和方向。本文就是提出一种算法将社区更加贴近真实的情况进行分类,使划分完的社区更具有现实意义。本文通过对前人研究的方法进行总结和剖析。在参考以前方法的同时,将多种互联网出现的信息进行融合提出了一种社区划分的方法。该方法针对社交网络的拓扑结构、兴趣和影响力等方面,提出了基于拓扑结构、兴趣和用户影响力的社区发现算法ICDA。ICDA算法设计了一种新的基于拓扑结构、兴趣和用户影响度的社区发现算法,利用社交网络中拓扑结构综合用户的基本信息和用户近期发布的内容进行社区发现。能将社区进行有效的划分,使划分的社区更加贴近网络的实际情况。将提出的ICDA算法与经典的社区划分算法Louvain算法进行对比,分别从兴趣内聚、聚集系数、模块度三个重要的参数进行比较;验证了ICDA算法的可行性。同时针对提出的社区划分算法进行了简单的实现,初步验证了在实际情况下算法的有效性。主要有:使用Java语言实现了数据采集的基本功能,并对于采集数据进行处理实现了基于ICDA算法的社区划分算法。使用了Data-Driven Documents技术对划分后的数据进行数据可视化。