社会网络是指社会中人与人之间、集体与集体之间或者个人与集体之间比较持久、稳定的社会关系模式。研究表明社会网络具有很强的社区特性,研究社会网络的社区结构有利于更好的了解社会结构。在当前社会网络规模不断增大并且频繁更新的情况下,全局社区发现越来越困难,局部社区发现方法变得越来越重要且具有广泛的应用价值。局部社区发现所要解决的问题是:在局部的范围内快速的找到某个节点或某几个节点所在的局部社区,而摒弃全局计算所需高昂的时空开销。本文主要针对当前局部社区发现算法存在的问题,进行算法性能改进的研究,具体内容如下:(1)由于初始节点的选择使得现有的一些算法计算结果不具有鲁棒性,制定合理的节点搜索策略能够很好的改善局部社区发现结果,针对这一问题,本文提出一种基于选择概率值的局部社区发现算法。算法每次都只聚拢一个节点,根据模块度的增量值为每个候选节点设置选择概率,使模块度增量大的节点被选择的概率大,避免算法因为每次都选择模块度增值最大的节点,而出现局部最优。实验表明,本文算法能够有效的发现局部社区结构,并且优于其他几种算法。(2)多数算法都始于一个节点,单个节点的聚拢能力肯定小于多个节点的聚拢能力,针对这一问题,本文提出一种基于最小簇的局部社区发现算法。根据初始节点找到包含初始节点在内的连接最紧密的最小簇,它们肯定在一个社区,然后在这个最小簇的基础上进行局部社区的挖掘。在模拟网络和真实网络上进行了实验,对比几种算法的结果表明,本文算法显著提高了局部社区发现的质量。