現實生活中存在著萬維網、社會關系網、引文網絡等復雜網絡。這些復雜網絡大部分都屬于關系型數據，圖可以有效描述各類關系型數據。因此，以節點代表網絡中的實體，以邊代表實體間的關系，將復雜網絡抽象為圖的方法廣泛應用在眾多領域之中。

　　社團結構是復雜網絡中普遍存在的基本結構，指的是網絡的一種節點子集，同一集合中的節點相互之間連接較為緊密，不同集合中的節點相互之間連接較為稀疏。社團結構的發現對于復雜網絡分析具有重要的意義。近年來，學者們已經提出了很多社團發現的算法，例如基于邊介數的GN算法，基于模塊度優化的FN算法，基于網絡編碼的Infomap算法，基于非負矩陣分解的NMF算法等。然而隨著網絡規模的不斷增大，很多算法都面臨著時間復雜度高的問題，不能很好地適用于大規模網絡分析。

　　針對上述問題，本文提出一種基于標簽傳播能力的改進LPA算法（IPLPA），并在K-shell分解算法的基礎上，構造出一種新的節點重要性計算方法。
?