提出一種新的面向復(fù)雜網(wǎng)絡(luò)大數(shù)據(jù)的重疊社區(qū)檢測(cè)算法DOC（detecting overlapping commumties over　complex network big data），時(shí)間復(fù)雜度為O（nlog2（n》，算法基于模塊度聚類和圖計(jì)算思想，應(yīng)用新的節(jié)點(diǎn)和邊的更新方法，利用平衡二叉樹對(duì)模塊度增量建立索引，基于模塊度最優(yōu)的思想設(shè)計(jì)一種新的重疊社區(qū)檢測(cè)算法．相對(duì)于傳統(tǒng)的重疊節(jié)點(diǎn)檢測(cè)算法，對(duì)每個(gè)節(jié)點(diǎn)分析的頻率大為降低，可以在較低的算法運(yùn)行時(shí)間下獲得較高的識(shí)別準(zhǔn)確率．復(fù)雜網(wǎng)絡(luò)大數(shù)據(jù)集上的算法測(cè)試結(jié)果表明：DOC算法能夠有效地檢測(cè)出網(wǎng)絡(luò)重疊社區(qū)，社區(qū)識(shí)別準(zhǔn)確率較高，在大規(guī)模LFR基準(zhǔn)數(shù)據(jù)集上其重疊社區(qū)檢測(cè)標(biāo)準(zhǔn)化互信息指標(biāo)NMI最高能達(dá)到0.97，重疊節(jié)點(diǎn)檢測(cè)指標(biāo)F-score的平均值在0.91以上，且復(fù)雜網(wǎng)絡(luò)大數(shù)據(jù)下的運(yùn)行時(shí)間明顯優(yōu)于傳統(tǒng)算法，