互联网技术的发展推动着人们进入了信息化社会,人们生活在一个充满着各种各样的复杂网络的世界。社交网络作为其中一种新兴的,实用的交友模式,依赖其真实性,稳定性等特点得到了人们的青睐,在网络活动中发挥着越来越重要的作用。由于人际关系的存在,社交网络往往都具有明显的社区结构特征,具有社区内人们联系频繁,社区间联系较少等特点,通过对社交网络进行社区发现,可以更深入分析复杂网络的拓扑结构、发现其隐藏的信息、预测网络未来的变化趋势等等。在许多方面都有着重要的现实意义和作用。本论文提出一种新的基于异构网络的社区发现算法,通过引入模糊数学中隶属度函数的方法来分析异构网络中的社区发现情况,使得节点在类别的归属方面可以根据归属度的值来划分,使其更加贴合实际;在分析过程采用人工数据和真实的社交网络的数据对算法进行验证,并采用多种其他算法进行对比实验,经过实验证明本算法有效可靠,在时间复杂度和鲁棒性方面都有相应的优势,同时能够在异构网络中提取出真实的聚类信息,在真实的社交网络中能够挖掘多维信息下隐藏的社区群聚特性。