现实社会和自然界中的系统都可以抽象为复杂网络的形式,例如:人际关系网络、足球俱乐部网络、海豚网络等。在复杂网络中,节点表示系统中的个体,边表示个体与个体之间的关联情况。特别地,社区结构作为复杂网络的重要拓扑性质,近年来引起了国内外学者的广泛关注,大量社区发现算法被提出用于检测社区结构。目前,社区发现算法可分为两类:非重叠社区发现算法和重叠社区发现算法。其中,标签传播算法是最常用的社区发现算法之一:针对非重叠社区,标签传播算法具有操作步骤简单、时间复杂度低的优势,因此可以适用于大型的复杂网络。但是,其也具有稳健性差、容易出现“怪兽社区”和社区数量过多的缺陷;针对重叠社区,通过增加节点的标签数量,标签传播相关算法也可用于进行重叠社区的检测,但是其同样具有稳定性差的缺点。鉴于上述标签传播算法中存在的问题,本文提出了一种基于节点影响力和相似度的标签传播算法用于检测非重叠社区:首先筛选出种子节点,然后将种子节点扩张成种子区域,并继续进行标签传播,最后进行社区合并,得到最终的非重叠结构的划分结果;同时,本文也提出了一种基于节点影响力和相似度的面向重叠社区的标签传播算法用于检测重叠社区:首先,基于非重叠社区结构,获取网络中的所有边缘节点,并从边缘节点中找到关键重叠节点。然后,通过在关键重叠节点集合中探寻重叠节点,结合原有的节点标签,得到最终的重叠社区划分结果。在上述社区发现的过程中,为了使社区结构更贴近真实的情况,均结合了网络的拓扑结构和节点的真实属性共同计算节点间的相似度。通过在人工网络和真实网络上进行的实验表明,本文分别提出的针对非重叠社区结构和重叠社区结构的算法,在网络划分质量上优于现有的标签传播算法。特别地,将本文提出的两种社区发现算法应用到大型真实网络(腾讯微博网络)中同样取得了良好的效果,并且形成的社区结构更符合真实社区的情况,具有重要的现实意义。