随着信息技术的快速发展，网络科学越来越受到人们的关注。网络科学是一个综合性学科，它不仅可以用于计算机网络科学，而且在社会网络科学、生物网络科学等都有广泛应用。而在所有的网络中，社交网络无疑是发展最快的。由于各种社交工具的出现，人与人之间的联系也变得更加紧密和复杂。而且社交网络中蕴藏着丰富的社会信息，这些信息对于分析人群的生活习惯有着十分重要的作用。社团结构在社交网络中是普遍存在的，挖掘社交网络中的社团结构已经被很多研究者研究。社团中的人群具有相似属性，对于分析社会活动具有指导意义。下面将从三个方面介绍本文的研究内容：　　社交网络中的社团结构通常都是重叠的，并非相互孤立。本文首先研究了社交网络中的重叠社团发现。首先利用边图的思想，建立社交网络的边图，然后利用主题发现模型来挖掘社团结构。本文指出，重叠社团的划分是模糊的，针对目前对重叠社团的定义并不明确的问题，本文提出可调重叠程度的重叠划分方法，最后得到不同重叠程度的社团划分结构。　　社交网络中人与人之间的关系是多种多样的，本文称这种网络为多关系社交网络。本文的第二个研究点是多关系社交网络的社团发现。不同于单关系网络，一般的数学模型很难完全表达多关系网络，而且各个关系之间的权重如何选取都是单关系网络不需要考虑的。本文采用张量来描述多关系网络，接着建立张量Tucker分解优化模型，通过比较HOOI算法和CrNc算法的划分结果，本文最终得出CrNc算法具有更好的社团划分结果。　　实际当中的社交网络往往是随时间变化的，本文的第三个研究点是动态网络的社团演化分析。不同于静态网络，动态网络结构是随时间变化的，而分析动态网络中的社团演化即挖掘社团在整个时间轴上的变化情况。然而目前社团演化分析的研究并没有考虑噪声对社团演化分析的影响，为了解决这一问题，本文采用研究社团发现和社团演化分开的研究方法，利用提出的社团演化发现算法得到了每个时段的演化社团结构。　　本文研究了基于社交网络的社团发现及社团演化分析，得到了不同条件下的社交网络的社团划分结果。本文所有的研究内容都用仿真实验作了验证，实验结果均优于现有的社团发现算法。