近年来,随着信息技术的高速发展,社会网络诸如微博、论坛等社会媒体迅速发展。人们在网络上分享经验知识,学习技术,彼此之间相互交流,社会网络已经成为人们生活中不可或缺的重要组成部分。网络中的人通常被视为网络节点,这些节点间存在着普遍的联系,而拥有着某些共同特征的节点,构成了大大小小的网络社区,对它们的研究可以很好的指导现实生活,具有重要的现实意义,因此,社区发现一直是社会网络研究的热点方向。社会网络成员众多,联系复杂,传统的关系圈挖掘算法复杂度高,在大规模网络结构上性能下降。相比传统社区发现算法,标签传播算法(LPA)具有时间复杂度上的巨大优势,而且其改进的SLPA还具有挖掘重叠社区的能力,但是标签传播算法内在的随机策略使得算法稳定性不高。本文结合复杂网络特点,利用节点相似和标签传播进行了社区发现研究。首先,本文选择出最可行的节点相似性度量方法作为本文研究的方法,探究了节点相似对算法性能的影响。其次,根据SLPA算法自身的特性,利用节点相似度改变算法标签的初始化过程:(1)节点初始化过程提取每个节点的邻居集合,并且按照节点度信息给未处理节点分配标签。(2)计算当前节点和邻居节点的相似度,若某个节点与当前节点相似度大于与所有邻居的平均相似度时,则分配与当前节点相同的标签。所有的邻居判断完成后,根据节点顺序重复以上操作,直到所有节点都有标签。最后,标签传播过程中,选择概率最大的那个标签进行传播;更新标签时若有多个最大重数标签,则计算最大重数算标签节点与待更新节点的平均相似度,待更新节点选择拥有最大平均相似度节点的标签进行更新。通过以上步骤降低了原算法的随机性和不稳定性,实验证明改进算法比SLPA有较高的稳定性和有效性。