社区检测是指在一个集合中,根据元素之间的某些关系,将集合划分为若干可交叉的子集的过程。这些集合内部的节点联系十分紧密,而跨集合的节点联系十分松散。在社会网络中检测社区可以对个性化推荐服务和信息传播推广提供帮助。随着社交网络的发展,出现了越来越多的大规模随时间变化的社会网络,这些网络中的边和点随着时间的推移发生改变,有时这些变化只涉及到一小块区域。传统的社区检测方法定义一个判断社区划分程度的函数Q,找到使其最大的一个划分作为社区,而一旦图发生了无论多么微小的变化,都必须计算函数Q,重新寻找全图的社区划分。为了解决动态网络中的局部社区检测问题,首先提出了 一种新的检测局部社区的方法,这个方法通过找寻紧密的结构作为社区搜索的起点,减少了迭代的次数,而且由于搜索的初始结构成为了一个点集合,大大地增强了社区的稳定性。然后在图发生动态变化的情况下,考虑了加入边的四种规则和删除边的三种规则,每种规则都可以给出快速更新的方案。如果图的动态变化分布均匀,有很多边的变化都与当前的查询无关,大大地减少了动态更新的代价。为了解决动态网络中的全局社区检测问题,首先提出了一种检测全局社区时的技巧,加快检测全局社区。然后在图发生动态变化时,通过分析函数Q的改变,更新图的社区划分。更新的方式只需要利用变化部位的点和边的信息,所以能在很快的时间内完成。使用这个新的划分方法对社区进行更新后,图的社区划分程度更好。最后通过大量的实验表明,本文提出的动态网络局部社区检测算法在效率良好的情况下有更高的准确率,本文提出的动态网络全局社区检测算法在准确率良好的情况下,有更优的时间效率。