近年来,研究者通过对复杂网络的深入研究,提出了社区的概念,并且发现现实世界中的复杂网络几乎都具有社区结构。学者们为了发掘复杂网络中的社区结构,提出了很多社区发现算法。社区发现算法在不同学科和领域中都有重要的应用,例如,生物学,互联网,社会学和计算机科学等。在社区发现领域中,重叠社区发现的目的是找到社区之间的重叠部分,重叠部分本身的特点使其在复杂网络中具有特殊的意义和价值,例如,可以从重叠部分进而推断社区之间是否有相似的关联；对于动态变化的社区,可以从重叠部分预测社区未来的变化,或把已出现的社区还原为上一形态；若把重叠部分删除,则社区之间就是完全独立的；等等。本文提出了一种基于交互度的重叠社区发现算法。本文的主要研究内容和创新之处总结如下：(1)基于交互度的思想,对社区的重叠部分进行了新的定义,使得对重叠部分的解释更加接近现实也更为合理。本算法以网络中度最大的节点为初始节点,采用凝聚的方式并以交互度为衡量标准对社区进行划分,得出最终的划分结果,且划分出的重叠部分较为合理。(2)很多重叠社区发现算法只适用于无权网络,而本算法不仅可用于无权网络,而且还可用于带权网络。无权网络或有带权网络使用本算法都能得到较为理想的结果。(3)本算法使用海豚网络、空手道俱乐部网络和恒河猴网络作为实验数据,对这三个网络进行实验,把得出的结果与其他重叠社区发现算法得出的结果进行对比,可以认为本算法的结果较为合理,说明了本算法是有效的和可用的。