现实生活中到处都存在着复杂网络结构,随着信息技术的发展,复杂网络也越来越广泛被关注和研究,社区发现不仅可以帮助人们更加具体的了解复杂网络的功能和特性,还能更加深入的帮助人们了解社会网络存在的社会问题,因此社区发现具有越来越重要的意义。在真实网络中,重叠社区发现也越来越普遍,与此同时,研究者们提出了大量的重叠社区发现算法,包括CPM算法、LFM和GCE算法、COPRA算法等,与其他重叠社区发现算法相比,标签传播算法具有简洁高效的优势。本文在原有COPRA算法的基础上,对标签初始化、标签传播和标签选择三个方面进行改进,提出了一种新的基于标签传播思想的重叠社区发现算法。本文算法主要做出的改进有:提出度数阈值0d的概念,引入CPM完全子图的思想,提出标签综合影响度概念,使用标签异步传播思想。通过这几个方面的改进,旨在解决算法的随机性,提高结果的准确性和算法的稳定性。本文最后通过大量的实验来研究分析LFR基准数据集中混合系数μ、COPRA算法中参数v以及改进的COPRA算法中参数0d对CPM算法、COPRA算法以及改进的COPRA算法时间复杂度和结果准确性的影响,结果证明,无论是稀疏网络还是稠密网络,本文算法都能发现更高质量的社区结构。最后在真实网络数据集中实现改进后的COPRA算法,最后证明该算法挖掘的重叠社区具有更高的模块度,能更好的反映社区关系,能够更加有效的发现重叠社区结构。