地下钱庄的出现严重影响了国家外汇储备的稳定和国际收支平衡,促进了洗钱、贪腐、贩毒等违法行为的产生。在大数据时代下,获取到的地下钱庄数据量呈现爆炸式增长,依靠传统人工手段进行分析侦破变得困难,与犯罪分子的较量已经逐步转变为现代化科学技术的比拼。针对于传统社区发现算法在该应用背景下的不足,本文提出了基于社区领导者和转移概率的标签传播算法(CTLPA),新算法的主要改进及创新有:(1)针对于传统LPA算法中划分结果不稳定的问题,CTLPA算法引入了“社区领导者”,领导者不断吞并对自己产生威胁的邻居社区,并把自己的标签传播给威胁自己的社区。当多个社区同时需要合并时,引入“转移概率”,“转移概率”和”领导者的度”最大的社区拥有社区吞并优先权,有效防止了LPA算法中标签传播的随机性,提高了算法稳定性。(2)针对于传统算法社区划分数量较多的问题,CTLPA算法在初步形成的社区划分结果上,结合“社区内联系紧密,社区外联系稀疏”的统计特征,将联系紧密的社区进行二次合并,使得CTLPA算法的最终社区划分数更接近于真实社区数。(3)针对于传统算法将孤立节点各自划分为社区从而掩盖真实社区划分数的问题,CTLPA算法将这些节点划分入一个全新的“无意向中立”社区,在不打破原有社区划分逻辑与结构的条件下,有效控制了社区划分数量。仿真实验结果表明:CTLPA算法具有更强的泛化性、稳定性,且社区发现的质量得到显著提高。为了筛选出地下钱庄账户中两两社区(团伙)间进行交易的关键“桥梁账户”,本文将CTLPA算法扩充为可识别重叠节点的基于社区领导者和转移概率的重叠社区标签传播算法(OCTLPA),并将其应用于地下钱庄交易流水数据中。实验结果表明:通过OCTLPA算法进行社区划分后识别出的桥梁账户交易更加频繁,且进行的都是跨社区的大额交易,是重点监测账户。