高通量生物技术的发展使得生物数据大量增长,使得生物网络成为生物系统和生物实体相互关系的重要表示方法。在生物网络研究中发现,网络中的模块结构往往具有实际的生物学意义,因此生物网络的模块化识别成为各类生物网络分析的重要方法。主流的模块化识别方法主要关注于网络本身的拓扑结构信息,但对于生物网络与其它现实网络而言,节点本身也具有丰富的标签信息。利用节点标签信息与网络拓扑结构相结合进行网络模块化识别成为新的研究方向。因此,本课题旨在对目前的经典及先进的基于标签的网络模块化识别方法进行研究,选择了六种基于标签的模块化识别算法对比其效果和性能。同时实现在标签为GO注释的生物网络中的应用。由于GO注释层次结构的特殊性,使得网络节点携带的标签信息重复率低、长度不固定且属性较多。针对这类问题,我们提出了一种基于GO拓扑结构划分的标签重定义方法,对网络中的所有GO便签构建最小联通子图并进行划分,从而实现对标签的重新映射,并在此方法上,我们对比了单纯基于拓扑结构的模块化识别方法及基于标签的模块化识别方法在生物网络中的划分效果。此外,为了能够更易理解模块划分数据,我们开发了一个在线的生物网络模块化识别可视化平台,提供数据输入、基于标签的模块化识别以及可视化展示等功能,为使用者提供了极大便利。