现实世界中,社会网络分析在许多的领域已经成为数据挖掘中研究的一个热门话题,包括人际关系网络、电力网络、研究合著网络等。作为社会网络分析的一个重要方面,越来越多来自不同领域的学者开始关注社区发现的研究,并已经产生了大量的研究成果。社会网络与其他的一些网络相比,往往具有较高的聚集性,作为社会网络的一个重要属性,聚集性作为度量网络结构的密集程度在很多研究中有被提及。除聚集性之外,“中心性”体现了网络中的个人或组织在其社会网络中居于怎样的中心地位,这一思想也是网络社区发现中探讨的内容之一,比如Hub算法。在中心性思想的指导下,尽管研究者提出了一些社区发现的方法,但这些方法在选择中心节点以及判断节点所属社区时存在一些缺陷。对此本文对Hub算法进行扩展,将其运用于全局社区发现中,并在中心节点的选择以及节点所属社区的判断上作了改进,主要如下：(1)在寻找中心节点时,基于Hub算法的思想采用节点三角环度度量网络中极易形成网络社区的中心节点。(2)社区发现过程中,充分考虑网络的聚集性,本文重新定义了相似系数,以其判断节点是否加入社区,并以相似系数判断节点所属社区以及算法是否停止。(3)为了使社区发现的结果准确,提出了重叠系数的概念,对社区划分的结果进行了必要的调整。因此本文算法包括社区发现和社区调整两个步骤。通过在Zachary俱乐部网络和海豚社区网络等的实验结果表明,本文的社区发现方法在保证可行性的同时,在社区结构的社区划分质量上能得到较好的效果。