网络中影响力节点的识别具有重要的社会意义和实际应用价值。传统影响力节点识别算法多以无符号网络为媒介,仅考虑个体间的正向链接关系。然而在真实的网络环境中,个体之间的联系不仅存在积极正向的关系,还存在消极负向的关系。一些基于符号网络的节点影响力识别算法也只是在传统识别算法的基础上进行简单改进,没有充分考虑节点间链接的正负属性。为准确识别出符号网络中的影响力节点,本文出了一种基于符号网络节点间依赖关系的影响力计算方法。该算法衡量节点间的权力依赖关系带给目标节点的影响力（Power-Dependence Influence,文中记为PD-Inf）。本文的主要研究内容及成果主要分为两个部分,PD-Inf算法的出与该算法的有效性检验。首先,在Emerson出的交换网络节点权力依赖理论基础上,分析由于节点结构属性差异而造成的不对等依赖关系,量化依赖程度差异,进而分析节点影响力。进一步地,在结构平衡理论的研究基础上,讨论了符号网络中的三元关系,研究了符号网络三元结构对节点间依赖关系所造成的影响,出了一种基于符号网络节点间依赖关系的影响力节点识别算法。然后,在真实符号网络数据集上对所算法的正确性和有效性进行了检验。实验结果表明,所算法充分考虑了节点间链接的正、负属性,可以有效评价符号网络中节点的影响力从而准确识别网络中的影响力节点。不仅如此,本文还基于无符号网络数据集研究分析了所算法在无符号网络中的应用情况。可以将PD-Inf算法所确定的节点影响力排名区间分为三部分,排名靠前的少量影响力用户在一定传播条件下可以造成信息在网络中更大范围地传播,而且该类节点的影响力覆盖范围更大;PD-Inf算法对于排名中部的用户影响力区分度较差;排名靠后的用户可以在短时间内快速地传播信息,可以将其标识为网络中的快速节点。