近年来,随着信息技术的飞速发展,科学家和学者们对复杂网络的研究产生了浓厚的兴趣,相继提出了复杂网络的多种结构特性。而社团结构是复杂网络普遍具有的一个重要结构特性。然而现实复杂网络中不仅存在着重叠的社团特性,且具有多种类型的节点。因此在大规模复杂网络中准确地探索社团结构成为了一项基本而又重要的工作。本文根据复杂网络中节点间连边的紧密程度进行社团结构探索研究,主要工作包括以下几个方面：(1)提出了一种基于聚类阈值的重叠社团结构探索算法。首先介绍了极大完全子图的特点,又提出子图间聚类系数的概念。该算法首先从复杂网络中抽取出极大完全子图,然后计算相邻极大完全子图之间的聚类系数,再通过聚类阈值的设定合并极大完全子图,最后得到重叠的社团结构。实验结果表明,基于聚类阈值的重叠社团结构探索算法可以更加快速地探索到更合理的社团结构。(2)提出了一种基于聚合度的重叠社团结构探索算法。本算法给出了链接节点、孤立节点、聚合度等概念。算法首先从复杂网络中抽取出极大完全子图和一些孤立节点,再根据聚合度函数计算节点与极大完全子图之间的聚合度、两个极大完全子图之间的聚合度,根据给出的规则合并极大完全子图,判断链接节点、重叠节点和孤立节点的归属问题。实验结果表明,本算法不需要依赖极大完全子图的大小,就能够快速地探索到重叠社团结构,并且能够探索到具有特殊性质的一些节点。(3)通过初始部分二分子图和二分聚合度相结合的方法,提出了一种在原始二分网络中直接探索重叠二分社团结构的算法,实验结果表明,该算法能够准确地探索重叠二分社团结构。(4)为了分析二分网络中同一类型节点之间的关系,又通过二分聚类三元组将原始二分网络投影为两个有权一般网络,根据有权聚类阈值分别探索有权一般网络的社团结构。实验结果表明基于有权聚类阈值的一般网络的社团结构该算法能够准确地探索二分网络中同类型节点的社团结构。