复杂网络广泛存在于自然界和人类社会中,例如交通运输网络,电力系统,电话通信网络,神经网络,细胞网络,蛋白质一蛋白质相互作用网络,互联网等。因此,研究这些网络不仅对人类的工作和生活有着重大意义,而且对我们了解自然界的演化规律有着重要的指导价值。我们使用k近似方法检测社区动态变化,并与其他常见的算法比较来推断社区结构的相似性。通过分析社区节点之间的模块化分析,得到边的分配聚集的实际效果。我们提出了两个完全不同类型的图形的节点的近似算法,并证明了在海豚数据集上的可行性。高度的模块化是社区内的边缘比(或高于那些权重)和一个类似的随机生成的图(即不存在一个社区结构)的一个重要指标。社区发现使用模块化的优化具有和派系结构相似的结构。社会网络的谣言传播的四个状态(“无知者”,“传播者”,“免疫者”和“潜伏状态”)在第三章进行了论证。我们扩展了谣言传播的标准模型,并给出一个在不同拓扑条件下完整的BA网络模拟结果。在第四章,我们提出了推荐系统用户评分的相似性度量,从而在社会网络起到积极的信息过滤。在过去的十年里,社会推荐系统已经得到了物理,社会学和计算机科学等领域越来越多的关注。在这项研究中,我们使用社会网络来捕获用户兴趣的相似性,使用推荐系统来探讨潜在的相似之处。利用豆瓣网的书籍和评论者的数据集,我们建立了相似性预测模型。我们使用奇异值分解评估了模型的相似性测度的优缺点,并讨论了有效的推荐系统。我们提出并研究了一种小世界网络上的舆论动力学的模型。特别的,我们将Hegselmann-Krause模型作为一个互动的随机过程,并通过计算机模拟进行分析。我们通过对自系数的确定来分析舆论过程中将会出现的持久的影响。根据远程连接和自系数,从无序到有序的过渡过程,我们观察到丰富多彩的动力学行为。总的来说,我们发现自系数的出现促进共识,由于所谓的“组效应”,有利于存在于网络中的观点之间的聚集。而且,由于不同观点要维持他们的自系数的行为的约束,这可能导致产生统一的共识。在这种情况下,足够频繁的远程链接是网络收敛到一个固定阶段的关键。