随着信息处理技术的高速发展，对于复杂网络的研究逐渐深入，复杂网络所具有的无标度、小世界网络等特性逐步被认识和验证，这些特性的发现对于了解网络结构、寻找网络的演化规律有着重要意义。社团作为复杂网络结构中的重要一环，对于信息科学、社会科学、生命科学等众多领域具有十分重要的研究价值。社团挖掘问题具有计算复杂、社团结构多样、实际验证困难等难点。针对小范围、局部社团的挖掘，因其具有较强的实际意义，成为目前的研究热点之一。　　本文就局部社团发现的相关问题进行研究，论文工作如下:　　1)提出了创新的“相对关系亲密度”度量。网络中的每个节点在网络中具有一定的社团地位，代表了其在社团结构中所处的位置，该度量定义了复杂网络中两个节点之间的社团地位差异，是一种差异性度量。本文提出的算法均基于该度量。　　2)提出了基于“相对关系亲密度”的局部社团发现算法。依据“相对关系亲密度”度量，结合已有局部社团划分算法关于扩张与指标寻优的思想，提出一种新的局部社团发现算法。该算法的核心过程是利用“相对关系亲密度”对社团发现过程进行加速。实验证明了该方法能够有效地进行局部社团发现。　　3)提出了针对通话话单网络的局部社团发现算法。通话话单网络由于其有向加权、规模大、与实际社会联系紧密等特性，而成为复杂网络研究中的热点与难点。根据基于“相对关系亲密度”的局部社团发现算法，结合通话话单网络的特殊性，对基础算法进行适应性优化，提出了针对通话话单网络的局部社团发现算法。实验结果表明该算法能有有效地对通话话单网络进行社团发现。