实际的网络化数据往往包含多种类型的对象和关系，采用异质信息网络可以更好地对其建模，因此异质信息网络分析逐渐成为数据挖掘的研究热点。虽然同质信息网络中的社团发现已经被深入研究，但是异质信息网络中的社团发现还很少被研究。该文研究异质信息网络中的社团发现问题，提出了一个新的社团发现算法框架HCD（heterogeneous community detection）。该框架由两部分组成:基于单条元路径的社团发现算法HCDsgl和融合多条元路径的社团发现算法HCDall。HCDsgl首先确定在给定元路径下所有节点的初始标签，再利用改进的标签传递算法进行最终的社团发现；HCDall是在HCDsgl的基础上将基于多条元路径的社团发现结果进行融合。通过在真实数据集和人工数据集上的实验验证了HCD算法的有效性。
