本发明公开一种基于结构中心扩散的图卷积神经网络的社区发现方法。首先，将网络转化为图结构得到邻接矩阵和节点属性矩阵。然后，通过计算网络结构中的局部密度、节点相似度和相对距离，选择初始的结构中心节点。接着，利用图拓扑和节点属性对初始结构中心进行细化和扩散标签集。最后，使用多种损失函数联合优化模型参数。本发明局部密度和结构中心两个角度，通过迭代优化结构中心以及选择一些与社区结构中心的隶属度相近的节点来扩展伪标签集，并利用用扩散的伪标记集训练GCN，实现社区检测。提高了GCN的社区检测性能，保证了社区发现的精确性，对个性化推荐、社区欺诈检测等多种领域有着重要意义。