1.一种基于网络嵌入的在线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：根据在线社交网络用户联系数据构建社交网络模型G(V，E)，其中V表示节点，一个节点表示一个用户，网络的用户总数是N，E表示连边，如果两个用户是好友关系，则这两个用户对应的节点之间有连边，网络中与节点i直接相连的邻居节点的数量用ki表示；

步骤二：采用Node2Vec网络嵌入方法将具有N个节点的社交网络模型G转化为欧氏空间的N个m维向量表征的数据点，其中第i个数据点表示为步骤三：在社交网络模型G中任取一个节点i，计算节点i的动态邻居引力其中dij表示节点i与节点j之间的距离，用二者对应向量表征的数据点之间的欧氏距离表示， 为单位向量，遍历社交网络模型G，计算所有节点的动态邻居引力；

步骤四：计算社交网络模型G中任意节点i的动态邻居引力中心性遍历社交网络模型G，计算所有节点的动态邻居引力中心性；

步骤五：在社交网络模型G中任取一个节点i，计算节点i和动态邻居引力中心性大于DNCi的所有节点之间的距离，其中的最短距离是节点i的最小距离，其中节点间的距离指的是节点对应数据点之间的欧氏距离；遍历社交网络模型G，计算所有节点的最小距离；

步骤六：选取DNC>0同时最小距离大于D的数据点添加到集合center中，其中D是所有具有连边的两个节点的距离d的平均值；

步骤七：把集合center中的每个数据点作为一个初始小社区的中心节点，将其余数据点归属到与其距离最近的中心节点所代表的小社区中，生成社交网络的初始小社区集合；

步骤八：在社交网络模型G中任取一个节点i，在节点i的邻居节点中找到距离d最近的节点，这个节点就是节点i的最相似节点，这两个节点就是最相似节点对；遍历社交网络模型G，找到所有节点的最相似节点和所有的最相似节点对；

步骤九：对任意最相似节点对，如果这两个节点处于不同的初始小社区，则合并这两个初始小社区；对所有的最相似节点对重复这个过程，直到所有的最相似节点对处于同一个社区，从而得到社交网络的二次社区结构；

步骤十：任意选取网络中有连边的两个社区合并，计算网络的模块度，如果模块度增加，则保留这次合并社区，反之则取消这次合并；重复这个过程，直到网络的模块度不再增加，获得网络的最终社区结构。