结构洞是现实网络中普遍存在的现象,伯特的结构洞理论指出在社会结构中占据结构洞位置的个体或企业,可以获得更多的职业机会或竞争优势。在信息网络中,占据结构洞位置的个体能够从不同团体中获得更关键的信息和资源,从而影响网络中的信息传播和个体间的成员关系。在社会学领域,结构洞是非冗余联系人之间的缺口,在不同个体或团体间起到中介作用。个体或者团体间的中间人可以获得丰富的信息并控制他们的网络关系,在网络中占据桥接位置的个体可以获得丰厚的利益。结构洞在获取网络有效信息方面起着关键的作用,且发现网络中的结构洞可以对网络结构进行优化并增强鲁棒性。结构洞理论作为网络结构分析的重要方法,在不同领域和学科的研究中都获得了丰富的成果。已有研究表明现实网络除了具有小世界和无标度的特性外,还具有社团结构的特征。网络中的信息从一个社团传播到其他社团,跨越不同社团可以获得非冗余信息。结构洞占据者拥有从多个社团获取信息和资源的潜力,并在社团间的信息传播过程中起中介作用。社团结构对结构洞研究具有重要的意义和作用,现有的结构洞发现方法主要考虑的是网络拓扑。基于社团结构的结构洞发现方法主要考虑结构洞在不同团体间信息传播过程中的作用,而较少考虑到社团间的中介位置和节点的社团特征,如忽略节点连接的社团数量和规模对节点跨越结构洞的影响。本文研究重点在于如何结合社团结构发现网络中的结构温占据者。首先结合多粒度思想与社团结构,发现不同粒度下网络划分的社团结构也会不同,即社团结构具有层次化的特点,粗粒度下的社团在细粒度下可能划分为多个社团。不同粒度下网络中的结构洞位置也会不同,并且影响节点跨越结构洞的程度,因此结合多粒度与社团结构可以更加准确的发现不同粒度下网络中的结构洞占据者。基于这种思想,本文提出基于社团结构的多粒度结构洞占据者发现方法MG_MaxD。然后通过利用网络拓扑和社团内部结构对影响节点跨越结构洞的因素进行分析并提出两个定义,即邻居重要性和社团影响力。通过分析发现节点的社团特征可以用来衡量节点跨越结构洞的程度并由此提出新的结构洞衡量指标。基于对结构洞占据者在网络中的的桥接属性和传播能力分析,本文提出基于网络拓扑和社团内部结构的结构洞占据者发现方法NTCIS。本文主要围绕发现网络中的结构洞占据者进行展开,主要工作具体如下:(1)分析了常用的结构洞占据者衡量指标,如约束度、介数中心性、PageRank等方法。将结构洞占据者的发现方法归纳为两类,分别从网络拓扑和社团结构两方面来总结现有的结构洞发现方法。在结构洞的实际应用中,探讨了将结构洞理论应用到其他研究中。(2)针对社团结构具有层次化特点,不同粒度下节点跨越结构洞程度会发生变化的问题。基于已有的结构洞发现方法,提出在多粒度社团结构中的结构洞发现方法MG_MaxD。该算法不仅考虑到了网络具有社团结构的重要特征,而且将多粒度思想与社团划分结合,可以有效的发现在不同粒度层次下网络中的结构洞占据者。在公用和真实数据集上的实验验证了算法的可行性,并与另一种重要方法进行对比。最后有效的验证了本文提出的算法能够发现节点在不同粒度层次下跨越结构洞的程度会发生变化。(3)针对现有的结构洞占据者发现方法大部分基于网络拓扑,而对社团内部结构研究较少的问题。首先利用网络拓扑和社团内部结构分别提出两个新的定义,即邻居重要性和社团影响力。并根据社团结构中节点具有的社团特征提出新的结构洞度量指标。最后提出基于网络拓扑和社团内部结构的结构洞占据者发现算法NTCIS。实验结果表明,NTCIS算法可以准确发现网络中的结构洞占据者,并且这些节点桥接着更多和更大的社团,在不同个体间发挥更重要的中介作用。