复杂网络存在着一种被称为社区的结构，这种结构中的节点与结构外的节点连接稀疏，与结构内的节点连接紧密。社区本身代表了复杂网络的一些聚类特征，因此对于社区进行研究有助于我们更好地理解网络和利用网络。当前在海量数据的背景下，复杂网络的规模在不断扩大，网络的信息量也在剧增，如何更好地利用这些信息量以及如何应对网络规模的扩大成为当今社区发现领域研究的重要问题。本文提出了基于加权局部中心点的复杂网络局部社区发现算法及其并行化实现方法。首先在局部中心点的基础上提出了极大权值点的概念，极大权值点是节点的所有连接边的总权值大于或等于其任意邻接节点的所有连接边的总权值。加权局部社区发现算法（WLCV算法）是以局部极大权值点为起始节点，通过逐步添加节点来发现局部社区的方法。在Hadoop平台上应用Map-Reduce框架可以实现本文算法的并行化计算。在人工合成复杂网络和真实复杂网络上的实验表明，本文提出的算法与其它加权的社区发现算法相比在发现加权复杂网络的社区结构上具有较高的准确性和稳定性；本文提出的算法的并行化实现方案可以应用于大规模加权复杂网络的社区结构发现。