標籤傳播演算法（LPA）的做法比較簡單：

第一步：為所有節點指定一個唯一的標籤；

第二步：逐輪重新整理所有節點的標籤，直到達到收斂要求為止。對於每一輪重新整理，節點標籤重新整理的規則如下：

對於某一個節點，考察其所有鄰居節點的標籤，並進行統計，將出現個數最多的那個標籤賦給當前節點。當個數最多的標籤不唯一時，隨機選一個。

注：演算法中的記號 N_n^k 表示節點 n 的鄰居中標籤為 k 的所有節點構成的集合。

以上資料來源於：

http://blog.csdn.net/cleverlzc/article/details/39494957

下面我們來簡單實現以下這個演算法：

資料，自己編的：

1	2,3,4
2	1,3,4,7
3	1,2,4
4	1,2,3
5	6,7,8
6	5,7,8
7	2,5,6,8
8	5,6,7

載入資料用的函式：

def loadLpaData(filename):
    f = open(filename,'r')
    data = {}
    for i in f.readlines():
        order,ship = i.split()[0],i.split()[1]
        ships = ship.split(',')
        data.setdefault(order,ships)
    f.close()
    return data
 

def getMost(ships):
    import collections
    counter = collections.Counter(ships)
    tmp = sorted(counter.items(),key = lambda x:x[1])
    
    maxc = tmp[-1][1]
    maxset = []
    for i in tmp:
        if i[1] == maxc:maxset.append(i[0])
    
    import random
    random.shuffle(maxset)
    return maxset[0]
 

def updateShips(cluster,data):
    for _ in data.keys():
        data[_] = [cluster[i] for i in data[_]]

def checkStatus(cluster,data):
    flag = 0
    for d in data.keys():
        if cluster[d] != getMost(data[d]):return 0
    return 1

def main(mydata):
    data = mydata.copy()
    cluster = dict([(_,_) for _ in data.keys()])
    while 1:
        if checkStatus(cluster,data):break
        for i in cluster.keys():
            cluster[i] = getMost(data[i])
            updateShips(cluster,data)
    return cluster

data = loadLpaData('LPAdataset')
main(data)

別的訓練集沒有測試。