随着社会网络的兴起和流行,它在人们的生活中扮演着越来越重要的角色,对社会网络的研究也引起了人们极大的兴趣。社会网络由节点相互连接而成,而且在网络中通常会存在一些潜在的社区结构,简称社区。同一社区内部连接较为稠密,不同社区之间连接较为稀疏。通过对这些社区结构的研究不仅可以帮助我们更进一步理解节点之间存在的复杂关系,而且也有助于我们从社区的角度来理解社会网络的结构和功能。通过社区挖掘算法可以发现存在于社会网络中的潜在社区结构。近些年随着研究的进一步深入,研究者发现在真实的社会网络中社区之间往往还存在着重叠的社区结构,随之也有越来越多的研究者开始了对重叠社区挖掘算法的研究。目前在这方面也出现了一些为大家所认可的经典算法,但是大部分的重叠社区挖掘算法都会在某种程度上增加算法的时间复杂度,而当前社会网络中的数据量通常是比较庞大的,因此快速的重叠社区挖掘算法的提出就显得非常有必要。在社区挖掘算法中速度方而有明显优势的是标签传播算法,该算法接近线性的时间复杂度是其它经典算法所不具备的。标签传播算法提出后也有了很多基于该算法的改进算法,其中也包括可以进行重叠社区挖掘的COPRA算法。这些算法虽然能够快速的进行社区挖掘,但是也有各自的不足之处,比如对于COPRA算法而言,它继承了标签传播算法的一些原始的缺陷并且无法稳定的挖掘社区结构。本文将全面学习总结各种基于标签传播的算法,并分别从标签初始、标签传播、标签选择这三个方面来改善基于标签传播算法中存在的各种问题。在本文的研究中,我们首先通过提出标签预处理和半异步更新策略提升了基于标签传播思想的重叠社区挖掘算法的效率和质量,又通过在标签选择过程中引入平衡因子控制了社区挖掘结果的稳定性。最后在综合了各种标签传播算法的优劣之后,提出了可以同时关注社区挖掘的质量、效率和稳定性的BOCLP算法。