社团是复杂网络广泛存在的拓扑特性之一，发现网络中的社团结构是复杂网络研究的基础性问题，也是热点问题。社团划分算法按划分结果可以分为重叠和非重叠社团划分算法两类。在社交网络中，与非重叠社团相比，重叠社团更接近于现实的网络结构，因此，本文选择研究重叠社团划分算法。同时，考虑到社团结构的变化可能会对依赖社团的应用产生负面影响，故本文也研究节点对社团结构稳定性的影响，用于辅助分析这类应用的易损性，而这也是近来研究者关注的一个热点问题。针对这两个问题，本文提出如下两种算法：　　（1）提出一种重叠社团划分算法ESCA（Edge Strength Conductance Algorithm），该算法是针对Conductance算法存在的不足改进后的算法。Conductance算法是一个划分结果相对可靠的有权重叠社团划分算法，但在选择初始社团时没有考虑节点与邻居节点的关系，导致初始社团选择不合理，因而不能更准确地发现网络真实的社团结构，另外算法还存在节点遗漏的问题。针对这一不足，ESCA算法分别从边强度和隶属度的角度解决了这两个问题。实验结果表明：在LFR基准合成的有权和无权网络中，ESCA算法不存在节点遗漏，与Conductance和COPRA（Community Overlap PRopagation Algorithm）算法相比，该算法能够更准确地发现网络存在的社团数，且划分出的社团结构更接近于网络真实的社团结构。　　（2）提出一种评估节点对网络社团结构影响力的算法BCA（Break Community Algorithm）。BCA首先从网络中识别对社团结构影响最大的子结构，然后评估所有子结构的全局影响力，最后从子结构挑选出对社团结构影响最大的前K个节点。实验结果表明：在LFR基准合成的有权和无权网络中，与传统的节点影响力评估指标相比，BCA能够更准确地发现对社团结构影响最大的节点集。