当前对于动态社交网络的研究,重叠社区检测与社区演化分析是学者们研究的热点,揭示动态社交网络中的社区结构有助于挖掘网络中有意义的模块和结构信息,理解网络的层次结构和功能特性;基于社区检测结果分析社区结构的演化过程,可以追踪社区结构的演化路径,提取重要的社区演化事件,从而能够预测和干预社区乃至整个网络的变化趋势。对于动态社交网络的重叠社区检测,本文首先提出一种基于标签传播的重叠社区检测算法,该算法针对SLPA算法存在的一些不足加以改进,引入节点的影响力排序,固定节点标签的更新顺序以增强算法的稳定性;设计一种新的节点标签传播规则,综合考虑标签的时间衰减影响和节点相似度进行标签选择,进一步增强算法的稳定性和提高检测结果的质量,然后基于增量的策略改进上述算法,提出动态社交网络的重叠社区检测算法,找到在两个连续时间快照之间发生变化的边集,得到与之关联的所有节点的集合ΔV,充分考虑受网络结构变化影响的节点范围,将集合ΔV中的节点在上一快照网络中所属社区下的所有节点加入到集合ΔV中,对ΔV中的节点重新进行社区划分得到当前快照网络的社区,最大限度地保证社区划分准确度的同时提高算法效率。对于社区的演化分析,提出一种基于相似度的社区演化分析方法,提出将社区稳定性和社区差异度同时考虑在内的相似度指标,定义7种社区演化事件,基于相似度和社区演化事件定义得到社区间的演化关系,更合理地识别社区演化事件。实验分成社区检测实验和社区演化实验两部分进行。本文提出的方法分别在真实数据集和基准数据集上运行并与当前的经典算法进行对比,实验表明,本文的社区检测方法能够得到更好的社区划分结果,本文的社区演化分析方法得到的社区间的演化关系更加合理。