近年来,茶叶作为一种特色农产品,其网络交易的规模越来越大。个性化推荐,作为当前电子商务领域研究的热点之一,也将是未来茶叶电子商务发展的必然趋势。现有电商的个性化推荐中,茶叶被视为普通商品向消费者进行推荐,忽略了茶叶自身的农产品特性,并且传统的个性化推荐主要对单个用户进行,很少有基于消费者网络的社区推荐。社区发现即社区划分,是社区推荐的前提,也就是分析消费者相互间联系,构建消费者网络,将不同消费者划分到所属社区,从而有针对性地按照社区进行推荐。本课题引入复杂网络中的社区发现技术,在构建茶叶消费者网络的基础上,重点对经典的GN社区发现算法进行了探讨,针对其算法时间复杂度过高等问题,提出了一种改进的GN算法,实现了对茶叶消费者网络中社区的准确划分。论文研究的主要内容包括以下几个方面：(1)探讨了茶叶消费者网络的构建方法。课题将传统协同过滤中“用户一项目评分矩阵”映射到消费者网络中,把用户看作节点、用户之间的联系作为边、用户之间的相似度作为边的权重构建茶叶消费者网络。论文结合茶叶本身的特性,计算用户间相似度,提高了茶叶消费者网络构建的科学性。(2)对现有的复杂网络中社区发现算法进行深入分析和研究的基础上,针对传统GN算法时间复杂度过高问题,提出了一种改进的GN算法。新算法首先通过寻找网络中心节点,然后仅考虑中心节点和其他节点之间的最短路径,计算每条边由当前最短路径得到的边介数,同时用模块度增量作为改进GN算法结束标准。实验表明,与传统GN算法相比,新的GN算法在保持社区划分准确性的前提下,降低了时间复杂度。(3)利用(1)中所提出的茶叶消费者网络的构建方法,在真实的数据集上,构建了一个茶叶消费者网络；利用改进GN算法,对所构建的茶叶消费者网络进行了相应的社区划分,并利用Pajek软件对相关过程进行了可视化显现。论文的研究成果,对促进未来农产品电子商务的发展,特别是对面向社区的个性化推荐研究,具有一定的借鉴意义。