随着微信、抖音、微博、QQ等社交软件的火热,社交网络无形中伴随着我们每天的生活。重叠社区发现及其演化技术作为复杂网络分析中最重要的技术之一,在控制复杂网络、理解网络功能、预测网络中的个体行为等方面起着非常重要的作用。本文主要研究了重叠社区发现以及社区演化算法相关的问题。通过分析发现,大多数社区发现和演化算法存在以下问题:种子节点的初始位置对重叠社区划分算法最终的结果有重要影响;目前很多社区演化的评估方式都是采用相似度的策略进行全局网络的判断,缺少对网络拓扑结构的考虑,因此演化事件的准确性难以得到保证。本文在研究重叠社区发现的基础上,进一步研究了社交网络中重叠社区演化的评价方法。论文的主要工作如下:第一,针对种子节点对重叠社区划分结果的影响问题,本文提出一种基于节点重要度扩展的重叠社区发现算法。首先通过基于聚类系数改进的节点重要度公式选择初始种子节点,并采用随机游走的方式选择初始种子社区;然后基于局部扩展的思想,结合节点与社区的相似度和适应度对其余节点所属社区进行判定选取;最后利用社区间的相似度公式对选取的重叠社区划分结果进行全局优化。实验对比表明,本文的算法划分重叠社区的质量较高,划分的群落结构更加合理。第二,针对动态网络研究中发现的相邻时间窗内社区演化评估问题,本文基于万有引力的思想提出一种核心节点引力链的概念,并将其引入社区演化的评估标准中。该方法结合稳定性和差异性共同评估相邻时间片的群落之间是否具有演化关系,强调了核心节点引力链对全局社区演化的影响力,更加适合真实的社交网络演化检测。在DBLP和Enron数据集上验证了该算法的有效性。通过对比实验表明,本文提出的基于事件的重叠社区演化算法具有较好的社区演化检测能力。第三,通过对上述研究工作的分析总结,本文设计并实现了一个社交网络重叠社区发现及演化算法原型系统。该系统包括数据录入、重叠社区发现、社区演化评估等功能模块,并对系统的各个功能模块进行了测试。