随着Web的高速发展,如何从非结构化的Web网络中发现和利用有用信息变得越来越具有挑战性。类似于人类社区,在Web发展的过程中,也涌现出大量的Web社区,这些社区是人类社区活动在互联网上的体现。对Web社区的深入研究有助于人们更加深入地了解Web中知识信息及其组织结构的发展状况。　　 本文首先分析了Web社区发现技术的相关研究进展,重点对链接分析技术、基于二分图的社区发现技术和基于流量的社区发现技术进行了综述。其次在充分考虑Web网络结构特点的前提下,将数据场理论与Web社区发现相结合,提出了基于数据场的Web社区发现算法,该算法将网络中的每个节点对其周边节点的影响力映射成数据场,通过社区内场势的变化规律发现社区结构。最后,将基于数据场的web社区发现算法应用于网络舆情监控系统,用实际网页数据验证了该算法的有效性。此外,本文还对Web社区结构特征作了进一步的研究,结合节点场势和聚集系数等因素,分析了Web社区的分层结构,指出在Web社区中,节点成员的重要性是不一致的,可以分为核心成员、普通成员和边缘成员等三类,Web社区也可以分为高原社区、山岭社区和山峰社区等。