信息化的、智能化的时代悄然而至,复杂网络无疑是研究信息流动的重要途径。社区检测是网络科学研究中的一个重要分支,能够刻画网络的特征,分析网络的结构,对于认识网络的特质、预测网络更替规律、控制网络的发展趋势、指导网络中节点的决策等等。现存的文献以找到网络中的非重叠社区者居多,随着研究发现节点并非只属于唯一社区,使得重叠社区检测算法的研究逐步兴起。本文主要以标签传播思想为指导,通过完善标签传播算法来找到重叠社区。针对LPAs、SLPA算法的缺陷进行相应的改进。由于原网络一般结构不甚清晰,网络内部混沌复杂,寻找网络社区存在困难,所以本文提出一种基于LPA的线图转换算法E-LPA,通过提出的线图可以使原本具有社区结构的网络社区结构更为明显,创新地以标签传播的方式传播边的标签,完成边的社区划分,然后通过目标函数优化对标签传播后的粗糙社区进行修正,将误分社区合并,从而得到社区结构,而且该算法是可以检测重叠节点,使得LPA算法从检测非重叠社区向检测重叠社区过渡。针对SLPA算法的抖动性以及算法划分质量问题提出CSLPA算法,该算法通过寻找核心节点构造核心社区,以提出的贡献值指标对于未处理的节点进行归属处理形成初始社区,然后以SLPA算法对初始社区内节点的修正,得到划分后的社区结果。在人工数据集和真实数据集下进行实验,以扩展模块度和划分密度为评价指标,证明在社区划分质量方面E-LPA及CSLPA算法比八个经典对比算法在EQ指标下可提高10%-60%,而在PD指标下可提高20%-70%,且结果稳定,算法健壮性较好。