近年来,复杂网络理论不断被应用于软件工程中,将软件系统抽象为软件网络已成为国内外学者研究的重要课题。本文以真实开源软件Cflow和Tar作为实验研究对象,从软件系统的稳定性、可靠性和安全性等角度出发,基于软件网络节点间的依赖关系,研究软件网络的中心节点和社团结构,对软件网络拓扑结构特性进行分析。首先,概述了复杂网络度中心性和介数中心性以及网络小世界特性。为了更加形象地展示软件系统的拓扑结构,提出一种将软件系统抽象为静态有向软件网络模型的方法。采用不同的参数,多次追踪函数间调用关系,对其结果进行去重合并,删除冗余信息,构建软件网络。其次,针对静态有向软件网络,提出了基于度和基于介数的初始中心节点挖掘算法MCND和MCNB。为更加准确的识别出中心节点,提出挖掘邻居节点间相似性的算法MNS,移除相似度较高的邻居节点对中权重较低的初始中心节点。MCND算法反映了网络的局部特性,MCNB算法则体现的是网络全局特性,通过对比这两个算法识别软件各版本中心节点的能力,分析软件网络中度和介数对网络的影响。再次,使用层次聚类算法划分软件网络社团结构,根据网络的中心节点,提出算法GIC生成软件网络的初始社团结构。根据经典数据挖掘算法KNN,同时结合节点间依赖度,提出划分软件网络社团结构的算法DSN。为获得最优的社团结构,给出算法ODNC计算社团的模块度Q。最后,使用真实软件系统数据集,在Windows平台下用Eclipse软件进行实验,对本文提出的算法进行对比分析。