1.一种基于马尔可夫相似性增强的社交网络用户社区发现方法，其特征在于：包括如下步骤：步骤一：根据社交网络数据构建一个无向无权社交网络G(V,E)，一个社交用户对应一个节点，任意两个社交用户之间如果有过交流信息则对应的两个节点之间有一条连边，其中V表示网络中节点的集合，E表示网络的连边集合，N＝|V|表示网络中节点的数量；

步骤二：根据社交网络G的拓扑结构得到邻接矩阵A作为社交网络G的初始状态矩阵；

步骤三：在社交网络G中任意选取两个有连边的邻居节点vi和vj，计算两邻居节点之间的相似性指标其中Γ(vi)，Γ(vj)分别表示节点vi和vj的邻居节点集合，遍历社交网络G，计算所有邻居节点之间的相似性指标；

步骤四：计算社交网络G初始状态下的状态转移矩阵

步骤五：对状态转移矩阵S做归一化操作，其中

步骤六：计算得到稳态下的社交网络G的马尔可夫相似性增强矩阵

其中 表示网络边的数量与网络节点的数量之比，Sei,j表示节点vi和vj的马尔可夫相似性指标；

步骤六：在社交网络G中，任意选取一个节点vi，在它的所有邻居节点中，选取对应马尔可夫相似性指标Sei,j最大的节点vj作为vi的最相似节点，构成最相似节点对(vi,vj)，遍历社交网络G，找出所有节点的最相似节点对；

步骤七：在不考虑社交网络G原始连边的情况下，连接所有的最相似节点对，社交网络G中的用户会自然形成彼此不连通的若干个社区结构，在同一个社区内部，网络节点彼此连通；在不同社区的节点之间没有连通；从而形成社交网络G的用户社区结构。