信息源点定位是社交网络领域中的最主要研究方向之一,是研究源点扩散的关键技术手段。对于传播源点定位这类问题,研究其源点以及传播趋势非常重要,但是由于网络节点错综复杂,很难探究其传播源点的数量以及传播方向和广度,这使得现有的传播溯源的方法很难适用于规模庞大且复杂的网络;此外,以往的方法很难提取潜在网络的深度表示,并且不能够自动用足够的参数来平衡不同的信息源。本文针对上述社交网络中的多源定位问题,结合深度学习的自动提取深度特征,提出了一种基于社区检测的传播源点定位方法。该方法不仅能够提供一个非线性的网络的深度表示,还能够自动学习到不同信息来源的最合适的平衡,为社交网络的传播溯源提供了一个新的解决方案。本文的主要贡献包括以下三个部分:1.提出基于胶囊网络的社区检测方法（CD-BOCN）,其目的是挖掘网络中的社区结构。该方法首先使用从图卷积神经网络中提取的节点特征来生成高质量的图嵌入,以集成网络拓扑和节点内容,其次使用动态路由机制来生成图胶囊和类胶囊,最后通过类胶囊来进行社区检测。实验表明:本文提出的方法具有良好的性能,这对实际社交网络的研究具有很好的应用价值。2.提出基于图的多传播源点定位方法（BG-MDSL）,其目的是一个根据已有的社团划分,找到最初的扩散源点。该方法首先将具有明显社团结构的社交网络,通过观察点记录到的信息来生成广度优先树,然后利用极大似然估计准则计算出所有候选节点为传播源点的概率,从而进行传播源点定位。实验表明:该方法在模型网络和实际社交网络中都有一个很好的表现。3.为了验证本文提出的基于社区检测的多传播源点定位算法的有效性,设计并实现了一个基于CD-BOCN和BG-MDSL的多传播源点定位系统。该系统可以为用户提供引文网络数据集的上传,社区检测以及源点定位结果展示的功能,通过可视化界面达到与用户交互的目的。