Luận văn tập trung nghiên cứu các độ đo trung gian (centrality measures) và đề xuất thuật toán phát hiện cấu trúc cộng đồng trên mạng xã hội. Trước hết, luận văn hệ thống hóa các khái niệm cơ bản về lý thuyết đồ thị, mạng xã hội và các độ đo trung gian phổ biến như độ trung gian bậc, độ trung gian giữa, độ trung gian gần và độ trung gian riêng. Trên cơ sở đó, tác giả phân tích vai trò của các độ đo này trong việc xác định các nút quan trọng, làm cơ sở cho quá trình phân cụm. Luận văn đề xuất một thuật toán phát hiện cộng đồng mới dựa trên việc kết hợp độ đo trung gian và chiến lược tối ưu hóa modularity. Thuật toán được cài đặt và thử nghiệm trên các bộ dữ liệu mạng xã hội thực tế. Kết quả thực nghiệm cho thấy thuật toán đề xuất có khả năng phát hiện cấu trúc cộng đồng với độ chính xác cao, đồng thời cải thiện đáng kể hiệu suất tính toán so với các phương pháp truyền thống.