随着互联网的迅速发展,出现了各种各样的网络,如社交网络和学术合作网络等等。而在社区作为网络中的一个基本结构,在好友圈拓展,线下活动召集,群组推荐等领域有着重要作用。社区是图中的一组顶点集合,其内部节点之间联系非常紧密,而和外部的联系相对稀疏,而地理位置社区则是在社区的基础上进一步加入了地理位置信息的处理。为了在网络中找出合适的社区,地理位置社区搜索技术得到了广泛的研究。但在目前的研究中,一方面传统的地理位置社区搜索将所有空间距离一视同仁,忽略了相同的空间距离在不同的地点所代表的语义区别,而另一方面已有的地理位置社区搜索都只关注地理位置的聚集性而忽略了地理多样性的要求。针对上述问题,本文主要工作如下。首先,本文提出了一种基于语义距离的地理位置社交社区搜索算法,该算法先基于区域信息特征建立基于文本位置计算语义距离的模型,将实际空间距离根据所在区域的不同转换为不同的语义距离,然后为了解决传统算法的缺点,本文先根据语义距离建立了语义地名图,然后基于语义地名图提出了一种基于语义距离的地理社交社区的搜索算法,通过语义距离确定两个用户在地理上是否接近,然后找到社交关系紧密,地理位置接近的社区。之后,为了解决基本算法时间复杂度高的问题,我们设计了一种近似算法,通过设置地标节点来简化搜索过程,并通过真实数据集验证了该算法的有效性和效率。最后,本文考虑了在一个社区中地理位置标签多样性的重要性,提出了基于地理多样性的社区搜索算法,通过计算社区中的多样性边来衡量社区的多样性,然后,为了解决基础算法时间复杂度过高的问题,进一步提出基于索引的优化算法,该算法先建立了一个倒排索引树结构,搜索地理多样性社区时通过遍历索引树计算每一个子社区的多样性,并最终计算整体地理多样性,最终获得地理位置社交网络中Top-N个地理多样性最高的社区,实验结果表明,在多个真实数据集中,本文提出的算法都具有非常好的效果。本文提出的基于语义的地理位置社交社区搜索和基于地理多样性的社区搜索算法相比传统的研究能获得更好的搜索效果,且更贴近现实情况。本文为地理位置社区搜索领域提供了全新的思路和解决方法。