现实生活中的许多复杂系统都可以由网络表示,网络中的节点代表系统中的实体,网络中的边代表实体与实体之间的交互。多层网络是由多个单层网络组成,多层网络主要有两种类型,一种是节点之间存在不同类型的连接,多层网络中的每一层由一种类型连接构成;另一种是时序网络,多层网络中每一层网络代表某个时间片上节点之间的交互情况。在复杂网络研究领域中社区发现一直备受关注,目前已有很多有效的单层网络社区发现算法,而传统的单层网络社区发现算法不再适用于多层网络,如何在多层网络中发现社区是一项巨大挑战。目前有些算法将多层网络表示成三维张量,然后使用非负张量分解(NTF)进行社区发现。这种方法对于多层网络社区发现有着不错的效果,但是也存在一些问题。本文研究发现当在多层网络中存在很多社区之间的连接或者当每层网络都很稀疏的情况下,非负张量分解算法的准确率比较差。针对这一问题,本文首先对原始多层网络进行了层次约简,将其约简成规模较小的网络,使其每层网络更加稠密、社区结构更加凸显,然后再使用非负张量分解算法进行社区发现。在真实网络数据集和人工网络数据集上实验表明,本文提出的改进算法框架在准确率上,较于前者有明显的优势。