在网络中紧密连接的节点构成社团,社团能够反映网络的结构特性,对实现网络结构优化、理解网络的功能以及发现网络中隐藏规律等有很大的帮助。然而,目前对于链接数据的社团挖掘以及相关研究的工作较少。链接数据多模式多维度的复杂结构对链接数据中的社团发现工作带来障碍。在复杂网络分析领域,在动态网络中开展社团分析是一个研究热点。通常,链接数据中包含丰富的时间信息,这为动态地研究链接数据提供基础。本文借鉴复杂网络中动态网络研究方法并结合链接数据的特点,实现了链接数据社团演化分析系统。首先,通过对链接数据中结构化以及无结构化时间信息的抽取,从时间维度上对链接数据进行建模。其次,将协作网络思想推广至链接数据,提出链接数据ARC模型,并基于此模型提出不同时间窗口协作网络的构建方法。除此之外,本文给出了一种基于链接数据张量分解的实体距离度量方法,并结合基于中心度的社团发现算法,高效地完成社团发现工作。对于链接数据社团演化行为的分析,提出了一种更合理的演化事件定义与检测方法。最后,基于社团发现以及社团演化事件的检测结果以可视化的方式展示给用户,帮助用户直观地了解链接数据挖掘结果,并作进一步的研究。通过本文系统可以实现对链接数据中某类型实体在协作网络中的社团演化进行研究,为链接数据挖掘提供了一种新的思路与方法,具有理论研究以及实际应用价值。