摘要:标签传播算法是一种常用的社区发现方法, 具有近似线性的时间复杂度, 但该算法存在随机性和不稳定性. 为了解决标签传播算法存在的准确性低和稳定性差的问题, 本文提出了基于节点重要性与相似性的标签传播算法(Label Propagation Algorithm based on node Importance and Similarity, LPA_IS). 首先, 基于节点重要性提出种子节点集和算法更新序列的获取方法. 其次, 利用节点重要性与相似性提出了一种计算标签综合影响力的方法, 任意节点根据其邻居标签的综合影响力更新自身的标签. 在真实网络和人工合成网络上进行实验, 结果表明, 与其它5种典型标签传播类算法对比, LPA_IS算法能够在一定程度上提高算法的准确性和稳定性, 并且能够减少算法的迭代次数.