工作关系网络、计算机网络等是较为常见且与日常生活密切相关的复杂网络。因此,网络中社团结构的探索和挖掘具备重要的实际意义。具有内部社团结构的复杂网络中,内部子社团节点间的关联(联系)更加紧密,或者说内部子社团能实现某些特别的效力。以往的复杂网络中的社团挖掘算法大部分都是针对不可重叠社团挖掘的,仅有的几个可以进行重叠社团挖掘的算法具有精度不高等缺点。并且以往的重叠社团挖掘算法中社团的重叠程度往往不尽如人意,类似于对不可重叠社团挖掘算法在不同层次面的机械叠加,并非完全意义上的重叠。并且大多数算法需要一些额外的参数才能进行社团挖掘,由于某些参数较难获得,因此在大型的复杂网络中进行社团挖掘比较困难。本文针对典型的社团挖掘算法进行了实现、研究。不可重叠社团的挖掘结果与实际社团的情况不符。针对重叠社团挖掘的问题,采用无向图建模,将链接两端节点的PageRank值与相似度,作为链接的双重属性,提出了核心链接的概念,通过二次判别式对链接进行主次划分,将整个网络划分为核心与非核心两类用户,并将网络中的大社团进行细化,结合细化后的社团跟核心用户的划分结果找出其中相应的子社团中的意见领袖,给出了基于二元分类的可重叠社团发现算法。本算法的挖掘结果更加贴近真实,形成多个相互重叠的社团划分,对数据的要求不高、适应性较强。