作为复杂网络研究的一个重要方向，社区发现得到了快速发展。社区发现不仅可以帮助人们了解网络的组织结构，还可以挖掘出大量的隐藏信息。如何从复杂网络中快速准确的识别出重叠社区具有很好的研究意义和应用价值。本文在现有算法的基础上提出了基于形式概念分析的重叠社区发现算法，该算法不仅可以发现社区的重叠结构，而且能有效地展现出社区内部核心社区之间的层次关系。　　 本文的研究主要有以下几个方面：　　 (1)首先介绍了复杂网络和社区发现的研究现状，并对社区的定义、社区发现算法特别是重叠社区发现算法的优缺点进行了详细的分析和比较。　　 (2)从社会学理论出发，提出影响社区发展的最小单元是具有星型结构的核心社区，并将网络中边的终点作为起点的关系属性，构建形式背景，用概念来表现核心社区结构。　　 (3)针对网络结构中形式背景的特征，提出一种基于矩阵运算的概念格生成算法来发现核心社区，降低了核心社区发现的算法复杂度，并通过Hasse图来描述核心社区之间的层次和交互关系。　　 (4)提出了基于形式概念分析的重叠社区发现算法，设计了概念的相似度模型对核心社区之间的连通性进行度量，在此基础上对概念进行层次聚类，对核心社区进行合并，生成大社区并产生重叠节点，达到重叠社区发现的目的。　　 (5)将本文算法应用到DBLP作者领域划分中。首先，根据DBLP数据集构建作者协作网络，并对作者协作网络进行划分；然后，提出科研团队的概念，通过核心社区发现和重叠社区发现对科研团队社区进行演化研究，指出了本文算法在应用上的实际意义。