现实生活中存在大量的由节点和节点间的关联关系构成的图数据,这些图数据中都存在明显的社区结构,它是反映图数据背后隐藏规律的一个重要的特征,目前对社区结构的研究分为社区检测和社区搜索。本文主要研究属性图社区搜索问题,贡献如下:首先,我们发现现实生活中存在这样的问题:人们希望在合作关系网络中构建一个包含用户A和用户B但是不能包含用户C的社区。本文基于该现实问题,提出了禁止节点概念,将禁止节点加入到社区搜索问题中,提出了一个新颖的属性图社区搜索问题FATQ,它不仅避免了禁止节点加入到返回的社区中,也保证返回的社区的结构紧密性和社区节点的关键字相关性。本文详细的对FATQ搜索问题进行分析,分别提出了two-step算法和Advanced算法,Advanced算法能很大程度的减少two-step搜索过程中的社区检查的次数,从而提高算法效率。其次,在某些场景下,用户可能更加关心查询关键字所在的紧密社区,而不关心某些节点所在的紧密社区。对此,本文提出了基于k-truss关键字驱动的属性图社区搜索问题KAKT,使得用户仅需关注查询关键字集合和结构紧密性参数,本文用社区关键字距离来衡量社区关键字紧密性的强弱,该距离值越小表示社区的关键字紧密性越好,最终返回的社区在满足结构紧密性约束的前提下,社区关键字距离最小。对于该问题,本文先设计了Basic算法,随后为了克服Basic迭代次数过多和每次迭代计算量大而造成算法效率低下问题,又设计了Advanced算法。实验中也证实了Advanced算法的优越性。