重叠社区发现可以帮助人们分析和理解复杂网络,目前已成为数据挖掘的研究热门。随着新的重叠社区发现算法被不断提出,现实的应用情形对算法的时间性能和稳定性要求不断提升,否则在处理大规模乃至超大规模的网络时算法的开销过高,难以投入实际应用。COPRA算法是一种利用标签传播技术来实现重叠社区检测的社区发现算法,它通过标签传播来判断节点归属,并引入了归属系数和阈值的概念,可以有效地完成对重叠社区的检测。COPRA算法时间性能良好,但在处理大规模网络时仍显乏力,另外COPRA算法的稳定性较差,社区发现结果的具有很大的随机性。本文提出了一种基于完全子图和标签传播的重叠社区检测算法(Complete subgraph&Label Propagation Overlap Algorithm,CLPOA),该算法主要基于以下两个关键点进行研究:(1)COPRA算法在标签初始分配阶段赋予每个节点独立的标签,这种分配方法直接导致了COPRA算法时间开销过大。本文分析了社区结构和完全子图的联系,在CLPOA算法的标签初始化过程中利用完全子图替代社区模型,通过搜寻网络中的所有完全子图得到初始社区结构并对每个社区分配唯一标签,该方案理论上拥有更好的时间性能。(2)COPRA算法在标签传播阶段的标签丢弃环节中引入了随机选择策略,算法会在符合条件的多个标签中概率选取一个进行保留,该策略直接导致了算法的不稳定。CLPOA算法提出了接触频数作为标签对节点影响力的参考值,通过比对接触频数来进行标签选择,随机选择策略的执行条件更加苛刻,算法的随机性也会降低,实验结果也会更加稳定。本文选择了海豚社区网络和美国大学生橄榄球联赛两个小型标准网络数据集以及PGP信任网络和cond-mat-2003社区网络两个大型网络数据集来进行实验测试,结果证明了CLPOA算法在保持了和COPRA算法相同的社区划分质量的同时,拥有更好的算法稳定性和时间性能。