本研究聚焦于提出并验证一种创新的社区检测方法，即基于标签传播的拓扑势社区检测方法。该方法通过结合标签传播算法与拓扑势理论，旨在解决传统社区检测中孤立性社区过多、划分不精确的问题。
研究内容涵盖节点属性信息的标签化处理、拓扑势场的构建、核心节点的识别以及基于核心节点距离的社区划分等关键环节。
成果的创新点在于将标签传播思想引入拓扑势社区检测中，通过转换节点属性为链接权值，优化拓扑势场的构建，从而提高了社区划分的准确性和效率。实验结果显示，该方法在多个数据集上表现优异，特别是在改进的模块度、信息熵、社区重叠度等指标上均优于其他算法。该方法在实际应用中具有广泛前景，可用于社交网络分析、生物信息学、交通网络规划等领域，帮助用户更好地理解复杂网络结构，优化资源配置。例如，在社交网络中，该方法可用于用户群体划分，提高推荐系统的精准度；在交通网络中，可用于分析交通流分布，优化交通管理策略。
微信公众号