随着近年来互联网技术的飞速发展,基于社交网络服务(SNS)概念的新型网络应用渐成热点。许多SNS网站服务商都积累了大量的用户交往数据集,如果可以通过有效的分析从这些数据集中提取出用户的群体特征与用户的组织结构,就可以帮助网站运营商及时掌握用户的兴趣或行为的变化情况,为相关的用户行为分析提供有价值的信息。本文的研究包括两部分内容。第一部分是对网络静态拓扑结构的分析,通过对节点度、聚集系数、特征路径长度以及膨胀率等指标的计算,从多个角度刻画了SNS网络的用户群体特征。第二部分,针对社会网络数据中个体属性与链接结构共存的特点,我们对综合利用节点属性与链接关系进行组织探测的方法进行了研究。本文利用加权信息图(WIG)模型来解决个体属性与链接关系的融合问题,并引入簇混杂度指标(CMI)用于衡量聚类的优劣,然后在二者的基础上提出了WIG-GN算法,其相较于G-N算法可以更准确地挖掘出网络中的组织结构。最后,为了解决WIG-GN复杂度过高的问题,本文引入了边稳定性系数(ESC)概念,并在此基础上提出了WIG-ESC算法。在实验环节我们首先就拓扑结构分析在SNS用户交往数据集和DBLP合著网络数据集下的实验结果进行了对比。结果表明,相对于合著网络而言,SNS社会网络中不同个体之间的影响力差异较大,小团体的聚集现象并不明显,但二者均具有小世界效应与无标度特征。组织探测算法在真实数据集下的运行结果,也验证了综合使用节点属性与链接关系的联合组织探测算法WIG-GN与WIG-ESC比单纯考虑链接结构的G-N和Jaccard算法具有更高的准确性,且WIG-ESC算法具有较低的时间复杂度,更适用于大规模数据集的组织探测。