文章摘要:针对标签传播算法稳定性不足、准确性较差的问题，提出了融合k-shell和标签熵的标签传播重叠社区发现算法OCKELP。首先，采用k-shell算法减少标签初始化时间，利用了标签熵的更新序列提高算法稳定性；其次，引入了综合影响力进行标签选择，将社区层次信息和节点局部信息融合提高了算法的准确性；最后，在真实社区数据集和人工网络数据集上对算法进行了实验验证。实验结果表明OCKELP算法在真实社区数据集上相比于COPRA、OMKLP、SLPA算法的模块度最大提升分别约68.64%、53.99%、42.29%，在人工网络数据集的NMI值上相比于其他三种算法也有着明显优势，且随着重叠节点隶属社区数量的增加也可以挖掘出社区的真实结构。

文章关键词:标签传播,标签熵,重叠社区,综合影响力,社区层次,

项目基金:国家自然科学基金资助项目(62172352),河北省自然科学基金资助项目(F2019203157),河北省高等学校科学技术研究项目(ZD2019004),