社会网络是描述社会中个体及个体间关系的一种基础范式。随着社会网络数据的增多和研究的深入,对于社会网络的分析变得越来越有价值。全局拓扑、社团结构、节点拓扑是从宏观、中观、微观三个角度刻画社会网络。而对网络进行社团发现既有助于理解网络的整体结构,又有助于节点拓扑属性分析。但是,当前对于社团发现的结果验证不考虑节点的作用,更关键的是当前主流社团发现算法不关注社团内部结构的组成形式。通话信息网络作为社会网络的一个主题,它具有数据量大,度特征明显等特点。因为当前通话信息网络数据往往仅由通话人的通话行为构成,所以通话信息网络无法解释单一节点的通话特性。因此,本文以解决社团发现中的这两个问题为出发点,并结合当前通话信息网络分析的局限性。首先借鉴当前社会网络中通话信息网络分析成果,通过社保数据关联多种个体属性,构造一个高维的通话信息网络;并且以节点属性分析为视角,分析通话信息网络中节点的个体属性与节点拓扑属性的关系。然后根据社会学理论,提出了基于核心-边缘的社团发现算法及节点角色识别算法。最终将该算法结合多个真实社会网络及本文通话信息网络进行分析。实验结果表明通话信息网络中个体属性差异可以在社会网络的节点拓扑上有所体现,如不同性别与节点的度有较大差异。对十个不同真实社会网络及本文通话信息网络进行实验发现,本文的社团发现算法能在大多数情况下有效的发现网络中的社团及其内部的核心-边缘结构、并且可以准确识别网络中的核心节点与桥节点。