近年来，凭借其重要的研究意义，采用数据聚类去分析社会网络已成为时下最热门的话题之一。这些研究最直接应用的是防止恐怖袭击和社区通过检测疾病的传播。此外，由于社会网络是动态的，而社会关系的变化是可以通过数据聚类方法预测的。从而使得清楚了解社会网络结构将有助于促进社会发展和社会成员间的合作。从数据挖掘角度来看，社交网络是一种不完全的，庞大的，复杂的，动态的网络。而这些特性使得传统的数据聚类方法并不能成功应用在社会网络中。相反，作为一个最流行的现代数据的聚类算法，谱聚类在对社交网络的问题提供了一种系统的，灵活实用的解决方案。理论和实验证明，谱聚类在寻找全局最优解和处理大型数据集方面的性能优于传统聚类算法。一方面审视讨论当今谱聚类的理论和算法，及其优于传统聚类算法的特点。另一方面，也涵盖了社会网络的基本知识及两个典型的谱聚类在社会网络中的应用。
