社区检测和划分已经成为大规模社会网络中一个非常关键的问题。然而，大多数现有的算法受限于计算成本，其适用性十分有限。为了提高社区划分质量和计算效率，提出了一种基于非加权图的社区网络检测算法。首先,算法采用两个新的参数来度量社区并实现社区检测，即聚类系数和共同的邻居相似性，并通过理论分析和公式推导证明其有效性。最后采用真实社会网络数据集进行了大量的模拟，实验结果表明,与传统的生成树算法以及CBCD算法相比，提出的方法更加有效，且计算运行时间具有线性复杂度，适用于大规模社会网络的社区检测。