伴随着科学技术的快速发展,各种复杂网络充斥在我们的生活中,如合作网、社交网络以及学术引用网络。人们逐渐发现复杂网络具有许多重要的特性,如小世界性、无标度性、社团结构等基本统计特性。发现复杂网络的社区结构以及研究复杂网络的演化特征对于研究复杂网络的功能、拓扑结构和性质、隐藏规律以及预测网络行为具有非常重要的意义。显然,和其它的复杂网络对比,科研网络有着自己独特的特征,不仅仅在于它的节点是科研工作者,而且科研工作者之间的关系也错综复杂,网络之间充斥着知识的传递与交流。而如今,对于科研网络团体的研究绝大多数都是集中于软件来实现,并没有对科研网络特征进行具体的分析和针对性的算法提出,对于演化特征的研究也相对比较宽泛,并没有具体的演化特征和条件提出。本文在借鉴相关研究的基础上,结合科研网络的实际情况,对科研网络的社区发现算法以及演化特征进行了研究。其目的和意义在于,了解科研网络的内部构成,掌握科研网络演化的规律,发现目标领域的合作社区,从而进一步分析目标领域的研究状况等有价值的信息。本文的主要工作主要包括以下几个方面:一、构建了适合科研网络的FCBS算法(基于节点相似度的社区发现算法)。本文首先分析了科研网络的具体特征,主要包含以:(1)节点是科研工作者,有知识、认知观、感情等特征;(2)边是由作者之间的关系构成,比如合著等,而且此等关系并不是简单的连接和非连接,存在强度(即加权的边);(3)科研网络中,充满着知识的传递与交流,它以文献为载体,承载着科技的进步与发展。然后在此基础上构建了该算法。二、提出了科研网络的演化模型。本文建立的演化模型主要有以下几个:(1)优先连接机制,加入的节点总是更趋近于与节点度更大的节点相连,并从新的节点和内部连接两个维度来分析了这种特征;(2)老化效应,无论是节点本身而言还是连接,贡献都应是随着时间递减的;(3)社区演化,考虑社区的演化,并且将一些演化特征局限于社区内部来研究,而非宏观的在整个网络来看待。在论文的最后,总结了本文的研究成果和主要贡献,并对后续的研究工作进行了展望。