社会网络是用来描述社会成员之间关系的网络。随着计算机网络技术的迅猛发展，基于互联网的电子邮件网络、对等网络、社交网络和博客网络等新兴社会网络也得到了极大的发展。对社会网络开展研究，具有重要的理论意义和实用价值。由于社会网络往往规模庞大、结构复杂，所以我们通常采用复杂网络的理论和模型来对社会网络进行研究和建模。真实社会网络通常具有复杂网络的一些结构特征，如:社团结构，无标度的度分布，聚类、“小世界”网络、动态演变等。社团结构是社会网络的一个重要结构特征，准确检测复杂社会网络的社团结构是近年来社会网络研究的重点。在社团结构的检测中，模块度起了很重要的作用，它可以用来评价社团结构划分的质量。另外由于社会网络消耗了互联网上的大部份流量，对社会网络进行测量也是一项重要工作，有助于我们深入了解社会网络的拓扑特征，监控网络流量，保障网络安全。本论文的主要研究工作是基于复杂网络理论挖掘社会网络的社团结构，统计分析其结构特征，并对社会网络进行主动测量，从而揭示真实社会网络的演化规律。本论文取得的创新性成果如下：(1)提出了一个基于有向加权模块度的静态社会网络社团结构检测方法基于无向和有向网络、无权和加权网络社团结构分析的可统一性，提出了一个新的模块度最优化的静态社会网络社团结构检测方法SNCD。该方法引入了边的方向和权重，使用有向加权模块度来进行社团结构的检测。由于社团划分时可参考的有用信息更多，从而提高了算法的准确性和有效性。该方法使用堆结构和多任务的模块架构，大幅度提高了计算效率，在结点数目达到百万级的网络规模下，仍能获得较优的执行效率，并且社团划分的质量高于当前应用较广泛的一些典型算法。(2)设计了一个基于时间序列的动态社会网络社团结构检测模型将社会网络的时序动态性和时刻静态性用时间序列的方式来表示，即社会网络在时间序列的每一个时刻是静态的，同时又随时间序列动态演变。通过使用基于结构相似度的模块度新定义，设计了一个基于时间序列的动态社会网络社团结构检测模型。该模型首先提出了一个静态社会网络社团结构检测方法LMA，用以检测时间序列上每一个时刻的静态社团集合，为下一步DNCD方法提供中间过程社团集合。随后扩展LMA方法，提出了一个基于时间序列的动态社会网络社团结构检测方法DNCD。该方法将中间过程社团集合与社团时间序列链进行匹配，以得到社团演变的轨迹和反映网络结构的稳定社团集合。(3)提出了一个社会网络主动测量策略为了深入了解社会网络的结构特征，监控网络的实时状态，提出了一个多协议模块化的社会网络主动测量策略。以对等网络中的BitTorrent协议作为测量对象，采用拟定的主动测量策略，设计了相应的测量指标，实现了对真实社会网络的实时测量，揭示了真实社会网络的内在结构特征和行为模式。