社团发现是社会网络研究的一个分支，旨在繁杂的社会网络中，根据用户特性挖掘出有相似特征的用户群体，他们在网络中自成一“派”，因为兴趣而聚到一起。在电影社区中，考虑到人们往往对于一些特定类型的电影或是特定导演或演员有一定的兴趣偏好，因此，有理由相信，电影社区中的用户也会呈现出这种有相似偏好的成员聚集在一起的现象。　　当下主流的社团发现算法，多是从两个角度对网络进行划分，一种是基于拓扑结构的社团划分，一种是基于节点相似度的社团划分。这两类方法都可以实现网络中的社团发现，但是哪种算法对于电影社区用户的划分效果更好，鲜有人进行研究，本文试图从两类社团发现算法中各挑取出一个具有代表性的算法，用来对真实网络中的电影社区进行群体划分，并对划分结果进行评估和比较。　　对于已经划分好的电影社区，可以认为群体内部的节点间的相似度已经很高了，因此可以对整个群体进行电影的定向推荐，以增加推荐的成功率；另外对于电影社区的社团发现，本身就是对整个社区网络的预处理，可以降低整个网络的规模，从而方便后续的社会计算任务。