随着复杂网络研究发展,社区发现技术以及应用的研究逐步成为了网络分析中的重点研究方向。社区发现研究对于深入理解社会网络结构及特征有着重要意义,社区发现方法分为非重叠和重叠社区发现方法。然而现实复杂网络中的顶点可能属于多个社区,因此重叠社区发现更符合现实要求。目前,由于基于标签传播的社区发现算法具有简单和快速发现社区的优点,从而在社区发现研究领域里被广泛应用和深入研究。其中COPRA(Community Overlap PRopagation Algorithm)算法能从网络中有效挖掘重叠社区结构,但该算法具有标签传播算法的随机性导致的随机性强、鲁棒性差、容易把所有顶点分配给一个社区等缺点。为了提高算法准确度和鲁棒性,本文提出一种基于标签熵顺序的重叠社区发现算法COPRAE(Community Overlap PRopagation Algorithm based on label Entropic order),该算法中按照标签熵顺序更新网络中顶点标签。同时为了进一步提高COPRAE算法的稳定性,更新每个顶点标签时出现多个被选标签则采用参考顶点本身所带的标签策略。最后,通过使用合成网络和真实网络数据集验证COPRAE算法的准确度和稳定性。日常生活中人们基于不同关系在社会网络中构成不同关系群体,即网络中的社区结构,然而从网络中挖掘出这样的群体对于现实生活中的应用具有重要意义。本文针对论坛用户网络提出一种基于兴趣相似度的权值算法,该算法中不仅考虑用户之间的关系还考虑用户兴趣爱好影响从而构建用户网络,进而进行用户社区划分。为验证算法的有效性,本文抓取论坛数据进行实验,且实验结果表明该算法能够有效挖掘兴趣社区。