社会网络是复杂网络的一种,随着互联网的飞速发展,人与人之间的沟通越来越紧密,信息传播的速度越来越快,在此基础上形成的社会网络,不但关系变得错综复杂而且演变的速度也加快了许多,网络中的不确定性因素也会变得不易控制。个人或组织身处于社会网络中,网络的结构变化会关乎每个人的利益,会对大部分人造成影响。如何控制网络中的不稳定因素,通过网络的拓扑结构找到重要节点是一种比较好的途径,通过控制重要节点,给予必要的监控与管理,就会把握好整个社会网络的结构。所以分析社会网络节点的重要性具有非常重大的意义。以往对社会网络的分析大多数都是在简单图上进行的,而且节点重要性通常以节点的度、中心度、介数等为标准进行衡量,忽略了节点和节点之间关系的固有特点,没有将社会网络所代表的现实个体的特性引入到社会网络的分析中来,导致仅仅根据拓扑结构而进行的社会网络分析得不到较为精确的分析结果。针对以往的节点重要性评估中没有考虑节点和节点间关系的固有属性以及无法表达多方关系的问题,本文将建立社会网络的超图模型,在超图模型上分析节点的重要性。首先,建立并完善社会网络的超图模型,将节点和它们之间联系的固有属性引入到模型当中。其次,根据认知物理学中的数据场理论得到节点的拓扑势值,在质量的计算中应用了熵权法,排除了某些方法获得节点质量时的人为干预因素;在最短路径的计算中本文提出了基于超图的Dijkstra算法。再次,对节点重要性评估中的删除法进行改进,提出一种基于替换思想的算法来得到社会网络中节点的重要性排序。接着,根据得到的重要性排序结果,依据数据场中的节点相互以吸引而形成社区的这一特性,提出了超图模型下的社会网络社区划分的方法,从而验证重要性评估结果的有效性和可用性。最后,通过实验来验证以上提出的理论。