随着数字移动终端的普及以及互联网的便利,网络社交数据呈现爆炸式增长。数据的爆炸式增长导致了一个新的时代的到来,这个时代就是大数据时代。大数据科学是一门新兴的综合性科学,而社交网络结构分析现已成为大数据科学的基石,分析社交网络的结构特性对研究社会舆情以及挖掘网络中潜在的价值具有重要的意义。本文针对符号社交网络的社区结构和鲁棒性展开了研究,具体工作如下:1)概述了复杂网络相关的背景知识,主要包括网络的概念以及表示,网络的基本特征如社区结构特征,鲁棒性特征。综述了目前关于复杂网络的社区结构研究的相关文献,总结了复杂网络鲁棒性结构研究的相关工作,阐述了进化优化的基本思想,介绍了基本粒子群优化算法的思想和原理;2)针对符号社交网络的社区结构挖掘问题,对文献中现存的一种基于多目标粒子群优化的社区结构挖掘算法进行了改进,提出了一种改进的社区挖掘算法。在该算法中提出了改进的多目标社区挖掘模型。为了增加解的多样性,改进了子问题的替换策略。为了更好地服务智能决策,提出了新的多目标决策方法。所提出的改进的方法在模拟符号社交网络数据和真实的符号网络数据上进行了测试,实验证明了所提出的改进算法的高有效性;3)对符号社交网络的结构鲁棒性展开了研究,首先研究了网络在节点遭受三种不同的攻击策略下的网络的节点鲁棒性,其次研究了网络在社区遭到三种不同攻击情况下的网络社区鲁棒性。在研究社区鲁棒性时,定义了两种不同的社区重要程度衡量标准。在真实的社交网络数据上的仿真实验表明,社交网络对随机的节点或者社区攻击具有良好的鲁棒性,而对恶意的节点或者社区攻击比较脆弱。