社团结构是网络的基本特征,分析社交网络中的社团结构和社团演化规律将有助于我们更好地了解社会结构的组成,对分析复杂网络的拓扑结构,了解和控制网络信息传播和网络舆情的演化具有重要作用。为了解网络个体用户传播行为和信息传播中的网络群体对社团结构的影响,发现网络信息传播和社团演化之间的关系,本文提出了一种基于传播的社交网络社团检测方法。利用社交网络本身所具有的拓扑结构和定义的网络信息传播模型以及网络用户在社交网络中的传播行为和受群体影响的关系,深入研究不同规模的社交网络中社团结构的演化过程和影响社团划分的因素。研究主要包括以下四个方面:一是基于复杂网络社团结构的基本特征,诸如同一社团内部的节点具有相同属性的特征,提出具有相同传播行为的用户可能同属于一个社团的思想;二是基于经典的病毒传播模型构建新的信息传播模型,以模拟社交网络中的信息传播过程;三是基于所提出的网络模型和构建的新的传播模型提出新的社团划分算法;四是通过模拟仿真实验和真实数据对比实验,对算法的有效性进行验证。具体研究如下:（1）基于信息传播和用户参与度的社交网络社团检测。社交网络是传播网络信息的媒介,社交网络中传播现象的分析,对网络个体用户不同传播方式影响力的量化具有重要意义。本文以用户参与度量化用户传播影响力,基于用户参与度进行网络模型的建模,提出节点活跃度、节点传播强度和连边强度,以经典的SI病毒传播模型模拟网络中的信息传播,提出社交网络社团检测算法,以寻找网络中的社团结构和重叠社团。模拟实验和真实数据实验表明,网络传播和社团划分相互影响,网络规模的增大和网络传播会使重叠社团的比例逐渐减少,信息传播使网络中的“小群体”始终受“大群体”的影响,在小规模网络中,最大的社团会由活跃节点组成,而在大规模网络中,最大的社团由普通节点构成。（2）群体吸引力驱动的社交网络社团演化。信息传播的影响力会从个体到个体间的传播发展到个体到群体间的传播,再发展成群体到群体间的传播,基于这一现象,提出群体吸引力的概念,以模拟个体用户在参与信息传播时所受到的群体影响力。通过建立新的信息传播模型SIP模型,定义基础社团、种子节点、基础社团活跃度和群体吸引力,提出基于群体吸引力的社交网络社团检测算法,以挖掘网络中的社团结构。真实数据实验表明,利用该算法所划分的包含最终社团结构的网络具有较高的模块度,能很好地用于检测真实网络和实际大型社交网络中的社团结构。