时至今日,复杂网络已成为研究者们研究复杂系统和处理复杂数据的有效框架。复杂网络的重要节点是指那些与网络中其他节点相比,对网络的组织结构和网络的动力学行为具有更大影响力的节点。网络重要节点的识别一直以来都是网络科学所关注的热点问题。利用识别出的重要节点,研究者们不仅可以加深对于网络结构和网络功能的理解,还可以在复杂系统中实现攻击、同步控制等一系列极具价值的应用。网络中的发掘者,则是社会系统中一类非常特殊的重要节点,其与网络中的其他节点存在特定的相互作用关系,且对其他节点能否成功具有一定的预测能力。已有的研究表明,发掘者广泛存在诸如线上电商网络,线下实体经营网络,社交网络等社会系统中。在本文中,我们同样证实了发掘者在合著者网络中的存在。在合著者网络中,研究者们发现与顶级科学家进行合作的初级研究者往往能够获得长期的职业生涯竞争优势,而我们的研究发现,与合著者系统中的发掘者进行合作同样对职业生涯大有裨益。因而,发掘者的识别具有非常重要的理论和实际应用价值。本文的主要工作内容如下:1.介绍了复杂网络、重要节点识别、科学学等一系列基本概念和理论模型,并综述了复杂网络中发掘者识别问题的研究进展。2.针对现有的网络重要节点识别方法所存在的问题,我们在简单不含时网络上,基于Achlioptas过程提出了一种普适性极强的网络重要节点识别方法,验证了其在真实网络的良好表现,研究了网络密度、网络模型、网络聚类系数、同配性等不同网络结构因素和保护策略、噪声等非网络结构因素对该方法的影响,并探究了其在应用价值方面的独到之处以及模型的计算复杂度。3.聚焦合著者网络,证明了合著者网络中不同研究者具有不同的发掘能力以及发掘者的存在,并建立了识别发掘者的模型,实现了对合著者系统中发掘者的识别工作。此外,我们探究了发掘者对于初级研究者职业生涯的作用,发现在职业生涯初级阶段与发掘者进行合作有利于初级研究者进一步的成功,即发掘者对于初级研究者的职业生涯具有促进作用。4.证明了发掘者具有预测初级研究者未来的职业生涯成功与否的能力,并通过与经典的中心性指标的进一步比较,说明了发掘者具有很强的预测能力。