近几年来,微博、Facebook等社交应用系统的蓬勃发展推动了人们对社会网络的研究热潮,而社区发现是社会网络研究的重点内容之一,它对于理解真实网络的结构特征及行为模式具有非常重要意义。本文致力于社会网络社区发现算法的研究,提出了基于标签影响力的标签传播算法。首先,基于RA相似度指标,提出了基于链接强度的标签初始化算法。该方法通过结合节点的属性特征和网络的拓扑特性,定义了链接强度作为衡量节点间相似性的度量指标,用于标签的初始化过程,以减少首次传播时产生的大量更新操作。其次,为了减少标签传播过程中的随机性,提高社区发现结果的稳定性,提出了基于标签影响度的标签传播算法LS-LPA。该算法将上述链接强度这一相似性指标应用于标签传播过程中,首先考虑当前节点邻居标签的频率,此外,在考虑节点的一级邻居和二级邻居之间关系的基础上,定义了基于节点间链接强度的标签影响度,并利用它完成了标签的更新过程,从而发现了网络的社区结构。再次,针对LS-LPA算法在大规模社会网络社区发现中出现的小社区以及划分结果不稳定问题,提出了一种新的社区发现算法CSBCD。该算法首先利用节点间的链接强度完成标签的初始化过程,之后定义了社区间的链接强度这一概念,并在此基础上采用凝聚思想完成了节点聚类,从而实现了社区的有效划分。最后,采用模块度为衡量指标,在经典的社会网络数据集上进行了大量实验,对所提的LS-LPA算法和CSBCD算法的正确性和有效性进行验证。