在现实生活中有许多系统都可以抽象成复杂网络,进而用图论的方法对其进行研究。复杂网络的研究在当今社会已经有了非凡的意义和地位,而链路预测和社区检测是复杂网络的两个重要研究方向。链路预测是指:通过网络的已知信息来对网络中尚未产生连边的两个节点预测其产生连接的可能性.一般来说链路预测主要有两种用途,分别是对已经存在但尚未被发现的链接的预测和对未来可能产生的链接的预测。链路预测的研究不仅具有理论价值,而且具有十分重要的应用价值,所以这是一项十分重要的工作。另一方面,社区检测的简单说法是说:要找到网络中节点的分类集合,使得同一集合内的节点间联系比较紧密,不同集合间的节点间联系比较稀疏。了解网络的社区结构可以帮助我们进一步分析网络的拓扑结构,并更好地理解和解释网络的功能,从而能够更容易发现网络中一些隐而未现的规律以及预测网络的行为。由于网络的社区结构具有如此重要的价值,所以如何在现有网络数据的基础上快速高效地发现网络的社区结构也是一项十分重要的工作。本文的工作正是围绕这两个方向展开的。首先,本文提出了一种利用网络社区结构信息和节点相似性信息的基于社区信息和节点相似性的链路预测方法。接着,我们发现复杂网络链路预测的结果其实在某种程度上反映了网络演化的一些性质。基于这个思想我们又提出了一种利用网络的链路预测结果信息的基于网络演化的社区检测方法。最后,我们惊喜地发现,只要经过略微地调整,我们提出的这种社区检测算法就可以很好的推广到符号网络中,并具有十分优越的性能,从而得到一种适用于多种网络的更一般化的社区检测算法。本文的主要工作如下:1.基于社区信息和节点相似性的链路预测算法。这种方法是在随机分块模型的基础上,通过融合网络社区结构信息和节点相似性信息而实现链路预测的。通过在真实网络和LFR benchmark网络上的大量实验,证实了该方法具有很高的预测精度,同时时间复杂度又相对较小。特别地,在面对不同规模的网络时,我们可以分别以不同的方式实现该算法,并保证其良好的性能。2.基于网络演化的社区检测算法。我们利用网络的链路预测结果中所蕴藏的网络演化信息,做到了在重现网络演化过程的同时对目标网络进行社区检测,而最终提出了这种基于网络演化的社区检测算法。该算法不同于传统的社区检测算法,开拓出了社区检测的新思路,其思路简单易懂、算法复杂度低、划分精确度高等特点都在大量的现实网络和LFR benchmark网络的实验中得到了验证。3.基于网络演化的符号网络社区检测算法。我们提出的基于网络演化的社区检测算法只需要略微调整就可以适用于符号网络中,甚至是带权重的符号网络。这样,我们就给出了一种适用于多种网络的更一般化的社区检测算法。同样,该算法在符号网络上的高效性也在真实网络和生成网络中得到了验证。