近年来，研究社交网络的热潮开始在国内外盛行。很多复杂系统都可以用网络来刻画，例如社交网络、电力网、新陈代谢网络和Internet网络等复杂网络系统。复杂网络通常会呈现出社区结构的特性，即社区内的节点关系紧密，而社区之间的节点关系稀疏。在实际网络中如何高效的发现社区结构，成为了社交网络近年来的一个研究热点。本文主要针对社区结构的发现问题，提出了一种基于节点和社区紧密系数的非重叠社区划分算法与基于模块度和最大分裂的重叠社区的检测算法。首先，对社交网络结构的基本特性等做出了深入分析，对社区划分算法进行了分类总结，并对比较经典的几种算法做出了研究分析，对其有了充分的认识。其次，针对节点与社区之间的关系，提出一种基于紧密系数的非重叠社区划分算法。在网络初始化完成之后，通过紧密系数对节点进行调整，使其与社区联系更加紧密。再次，基于Peacock算法思想，利用其节点复制的思想对网络图进行扩展，即对原图部分节点的复制，对社区划分的过程使用引进候选分裂的最大化模块度算法划分社区，其分裂过程主要通过Newman提出的模块度函数的概念用来判断是否需要继续进行，划分之后将节点及关联边映射回到原网络中，复制节点如果存在不同的社区中，则对应原网络图中即为重叠节点。最后，通过仿真实验对非重叠算法利用真实数据集进行了实验验证，证明了其有效性。对重叠社区检测算法，利用人工数据集和真实数据集分别进行了验证分析，证明了算法的可行性。