随着DT(Data Technology)时代的到来,数据的价值在各行各业中越来越得到广泛重视。如何从纷繁复杂的数据中发掘去一些有价值的信息来指导和改善我们的工作和生活具有重要的意义。社区发现是复杂网络研究领域一个重要的研究方向,可以从纷繁复杂的网络数据中寻找一些潜在的社区结构,发现隐藏在网络海量数据中的知识和潜藏在一般现象下的规律,进而为人们提供个性化、科学化的服务,帮助人们作出更有效的决策。本文通过对标签传播算法的研究,结合社区发现过程中的先验知识,提出了一种基于局部回路的标签传播社区发现算法,并通过实验对算法进行了验证。本文的研究工作主要包括以下两个方面:(1)提出了一种基于局部回路的标签传播社区发现算法。首先,综述了社区发现算法,并重点分析了标签传播算法及其存在的问题。其次,根据社区发现过程中节点间存在的先验知识,提出了基于局部回路的标签传播改进算法,即标签传播过程中,当存在多个最大标签值时,采用最短局部回路选择策略代替随机选择,从而有效抑制标签在社区间传播,提高算法的准确度,并用简单示例从理论角度验证了算法的可行性。最后,为了验证改进算法的有效性,本文选择了两种类型的数据集,分别采用经典真实数据集、人工生成基准数据集,并以模块度和NMI为评价标准,用对比的方法对本文提出的改进算法进行验证。实验结果表明基于局部回路的标签传播算法可以取得更好的划分效果。(2)实验验证。选取代表性的微博真实网络为实验数据集,通过预处理剔除特殊点,再将改进算法应用到真实的微博网络的划分中,验证改进的算法在真实网络中也能取到较好的划分结果。