复杂网络是由数量巨大的节点和节点之间错综复杂的关系共同构成的一种网络^[1],真实世界中的很多系统都以复杂网络这种形式存在。大量研究表明,很多实际网络都具有社团结构的特性,即网络中的结点可以分成组,组内结点间的连接比较稠密,而组间结点的连接较为稀疏。如何在大规模网络中有效地进行社区发现是近些年复杂网络的一个热门研究方向。本文首先介绍了社区发现理论的研究背景及意义,以及目前关于社区发现的研究现状,然后详细的阐述了在无向网络社区发现中应用广泛的社区结构度量函数——模块度,以及针对模块度优化的各种社区发现算法。接着本文提出了一种全新算法,该算法受模块度的启发定义了结点之间连边的一种属性——联系强度。联系强度越大说明该连边对应的两个结点之间的关系越紧密,它们处在同一社区中的概率也就越大。通过联系强度的相对大小,算法按照相应顺序依次不断地尝试合并连边两端对应的社区,从而得到最终的划分。本文通过网络模拟以及真实的网络案例将该算法与Louvain算法的社区发现效果进行了对比。结果表明,对于一般的网络,该算法对于模块度的优化能力与Louvain算法处于同一水平,但速度方面本文所提出的算法更具优势。最后,本文利用了新算法对Facebook社交网络进行了社区发现并分析了相关结果,体现了其应用价值。