人们对复杂网络的研究由来已久，社交网络、邮件网络、神经网络、引文网络、食物链网络等都是真实系统抽象出的网络，对这些网络的研究能够更好的了解系统的具体功能和相关规律，使得研究表现出非常重要的现实意义。此外，飞速发展的互联网使得越来越多的系统被网络化，为了能够更好地分析这些系统，网络的研究将起着至关重要的作用。　　随着逐步深入研究复杂网络的物理性质和数学特性，研究者发现许多真实世界的网络除了具备小世界性、无标度性这些特性外，还具有一个共同的特性，那就是社区结构。在社会学、物理学、生物学等多个领域，都广泛存在社区结构，从社区的角度能更好的去挖掘网络的功能和价值，并且更便于分析网络的结构和网络的特性，因而，挖掘出复杂网络中的社区结构具有非常重要的意义。　　目前已有的大多数社区发现算法主要适用于无向网络，有时候在处理有向网络时采用忽略边的方向的策略，这在划分有向网络时是一个缺陷，不考虑边的方向，很多情况下将会丢失许多重要的信息。基于此，我们研究了传统的无向网络社区发现算法和最近几年提出的有向网络社区发现的相关知识，提出了无权有向网络和有权有向网络的社区发现算法。　　本文首先简单描述了论文研究的背景、当前的研究现状和本篇论文的组织结构。其次阐述了复杂网络的含义、它的相关特性、它的拓扑结构模型、社区及社区发现的含义，并且描述了几种典型的社区发现算法。以前面的理论研究工作为基础，本文提出的算法区别于以往算法忽略边的方向的策略，而是根据这种有向边对被指向节点的影响程度来确定被指向的节点在网络中的重要程度，计算出网络中所有的节点的这种重要程度，并选出重要程度最大的节点作为出发点来构造社区结构。在有权网络条件下，将权值加入重要程度的影响因素中。在具体实施时，是采用基于局部定义的社区概念来发现社区结构的。通过多次反复执行上面的过程，就可以获得一系列挖掘出的初始社区结构，然后合并调整这些初始社区，每次合并是沿着使得模块度增加的方向执行的。这种基于局部的社区发现的策略提高了效率，使得算法的时间复杂度相对较低。