网络节点重要性评估和社区发现是社会网络研究中经典的问题。社会信息化程度的进一步拓展,特别是物联网、社交网络、社会化商业等应用领域的发展,对社会网络研究提出新的需求,特别针对社会网络的多元关系、行动者多重属性、动态重叠性等特点的社会网络建模和分析。传统的社会网络分析方法并不能完全满足上述应用需求的发展。针对上述问题,论文首次引入超图理论对社会网络进行建模,提出了基于数据场模型的网络节点重要度评估方法和基于多元活动关系的层次化重叠社区结构发现方法,为社会网络的节点重要性评估与社区发现的研究探索一种新的方法。论文的主要研究工作和创新点如下:1.社会网络的超图模型的构建针对传统图模型不能完全刻画真实世界网络的多方关系、多属性和动态性等特征,以超图理论为基础,采用节点表示行动者,用超边表示行动者的关系,综合考虑节点和超边的属性,建立了社会网络的超图模型,并讨论了超图模型动态性的表现,最后以实际网络为例介绍了超图建模的过程和优势,为社会网络节点重要性评估和社区发现研究建立基础模型。2.提出了基于数据场理论的网络势模型及网络节点重要性评估方法把数据场理论扩展应用到的社会网络的超图模型中,并考虑网络中节点的多属性特征,建立社会网络的数据场模型,主要过程包括采用投影的方法把节点多属性投影到节点综合属性上,并通过质量函数得到节点的质量;采用Floyd算法推广的超图最短路径算法求解节点的最短路径作为节点的辐射半径;基于信息论,定义了势熵的概念,并提出影响因子的求解方法。在此基础上,定义了节点势和网络势的概念,提出了一种基于网络势下降率(Network Potential Decrease Rate, NPDR)的节点重要性评估方法,并以恐怖组织网络和戴维斯南部妇女参加活动网络为案例验证了此方法的有效性和可行性。3.提出了基于超边的层次聚类(HCH)方法进行社会网络的社区发现针对大部分社区发现方法都关注于节点,本文以超边为分析单位,在社会网络的超图模型基础上,提出基于超边的层次聚类(Hierarchical Clustering based on Hyper-edge, HCH)的社区发现方法,主要过程包括超边相似性的定义和计算,超边的融合,定义和计算划分密度来衡量聚类的质量。并提出了一种丢弃重连的方法处理大超边所造成的“覆盖效应”,最后通过两个案例验证了本方法的不仅能有效的发现社会网络中的社区结构,而且能发现重叠社区。