随着计算机科学与信息技术的发展,很多领域中都陆续出现了有着复杂协作关系的系统,而这些系统的结构设计也是在长期的演变过程中不断完善与优化的。然而,很多完善与优化过程中的变更信息往往缺少相应的变更记录,导致相关的系统管理与研究人员难以快速、准确、全面地掌握系统变更后的局部细节信息与整体结构信息,而这些信息却对系统结构设计的进一步完善与优化、发生故障时的故障源定位以及故障传播路径检测等问题都有着非常重要的意义。在本文中,我们尝试基于复杂协同工作系统内部通信个体间的通信行为数据,通过设计一种发现算法来解决这个问题。由于协同工作系统内部的通信个体往往具有隐含的层次性,本文提出了一种适用于发现具有三层层级结构的复杂协同工作系统内部的组织结构与通信个体所对应角色类型的算法。首先,我们通过综合分析协同工作系统内部的组播通信报文与通信个体加入、退出消息组的日志信息得到通信个体之间的点对点通信关系集合,并基于这个关系集合构建相应的通信关系网络；接着,在通信关系网络的基础上,构建出通信个体的特征属性集,并利用层级关系划分子算法得到个体间的层级关系；然后基于通信个体间的层级关系,利用角色划分子算法得到个体在通信中充当的角色信息；最后分别采用社团发现的InfoMap算法与本文设计的基于个体间层级关系信息与个体角色信息的组织结构划分子算法来对协作系统内部的组织结构进行了划分。我们在某研究所的某协作系统内部通信的仿真数据集上进行了实验,同时与社团发现的InfoMap算法划分结果进行了对比,根据专家给出的组织结构划分结果,利用社团发现结果的评价指标标准互信息(Normalized Mutual Infomation,缩写为NMI)对实验结果进行了评价。评价结果表明本文的实验结果要好于InfoMap算法所得出的结果,同时也反映出本文所提出的方法的合理性与有效性。