社团发现是挖掘复杂网络结构和功能的一项重要任务。通过将网络中的节点聚类为连接关系更易分析的群组，使得网络以更为宏观的组织方式展现在用户面前。社团结构的发现已被认为是复杂网络典型的“无尺度”、“小世界”以及“高聚焦系数”之外的又一重要特性。但它却有不可避免的缺陷：　　 实际网络结构并不是所谓的平面模块结构。网络社团结构事实上呈现出显著的层次特征，在低密度大社团内部往往还嵌套有高密度小社团。因而，小社团组合在一起形成大社团，而大社团又可合并为规模更大的社团。在社团发现基础上引入层次社团结构，社团结构会更丰富，并且更能高效地揭示网络本身的结构特性。　　 本文对在复杂网络中如何高效地挖掘出具有实际应用意义的社团结构，并揭示这些潜在的社团结构会具有怎样的层次特征，首先提出了基于结构连接的层次社团发现算法BSCHE。算法通过定义其基于共享邻居的相似度，使用一个全局的相似度阈值ε，可以发现链接密度高于该阈值的网络社团，并且自动识别网络中的中心点和离群点，寻找出潜在的不同抽象粒度的层次划分。在实现算法后，我们构建了基于交互式的可视化分析系统以供展示层次社团结构，系统基于MVC框架，在可视化处理层采用了业界优秀的Prefuse可视化相关技术。系统在数据源层支持多种不同的数据接入方式，可视化层提供不同的渲染及布局策略。基于交互式的可视化分析平台实现了对不同的数据集进行可视化展示，以及在此基础上的数据分析和结果分析。