La detección de comunidades sigue siendo considerada como uno de los métodos más aplicables para descubrir información latente en redes complejas. Recientemente, muchos algoritmos de detección de comunidades basados en similitud han sido ampliamente aplicados en el análisis de redes complejas. Sin embargo, estos enfoques también pueden tener algunas limitaciones, como depender únicamente de medidas de similitud simples, lo que dificulta diferenciar la estrechez de la relación entre nodos. Con el objetivo de abordar este problema, este artículo propone un algoritmo de detección de comunidades basado en la similitud entre vecinos y la selección de etiquetas (NSLS). Inicialmente, el algoritmo asigna etiquetas a cada nodo utilizando una nueva medida de similitud local, formando rápidamente una estructura de comunidad preliminar. Posteriormente, se introduce un parámetro de similitud para calcular la similitud entre nodos y comunidades, y los nodos son reasignados a comunidades más apropiadas. Finalmente, se obtienen comunidades densas mediante un método de fusión rápida. Experimentos en redes del mundo real muestran que el método propuesto es preciso, en comparación con algoritmos recientes y clásicos de detección de comunidades.