复杂性科学被称为是二十一世纪的科学，复杂性科学的研究对象是复杂系统，复杂系统已遍布我们生活的世界的每个角落。网络是复杂系统的拓扑抽象，是刻画与分析复杂系统各类对象之间复杂关系的有力理论工具。随着大数据时代的到来，“海量数据驱动”的网络科学研究为认识复杂系统提供了新的途径。本文针对网络科学的建模、分析及预测等方面的理论与应用问题开展重点研究，主要包括以下四个方面内容：　　第一，针对真实网络度分布的不均衡性及结构的模块特性，提出基于度修正随机块模型的链路分析模型与算法。度修正随机块模型利用网络模块内节点度的差异修正节点间的连接概率，继承了随机块模型对网络模块结构的建模能力，同时考虑了度的差异对节点间连接的影响。实验结果表明：基于度修正随机块模型的链路分析算法效果明显优于传统随机块模型及局部相似性方法。　　第二，针对真实网络节点间关系的非对称性，将经典局部相似性指标、随机块模型等链路分析方法拓展到有向网络。实验结果表明：基于随机块模型的链路分析拓展到有向网络后，方法的准确度与稳定性明显优于其它局部相似性及Bi-fan指标；偏好连接指标在无向网络中预测准确度较低，但在有向网络中准确度却显著领先于其它局部相似性指标。　　第三，针对团队创新力分析问题，建立了团队创新力分析的理论模型，给出了团队创新力度量的指标与方法。以美国慢性疾病关爱合作网络项目团队成员的邮件通信网络为研究对象，基于合作创新网络理论与语义社交网络分析方法，研究团队沟通交流及语言表达的方式与团队创新力的关系。实验结果表明：团队活跃成员数越多、交流越频繁、语言表达越坦率，团队创新力越强。同时随着项目不断成熟，网络密度逐步降低，团队成员更加专注。　　第四，针对宏观经济趋势预测问题，研究了社交媒体信息与资产市场走势的关系。通过社交媒体测量公众的情绪与观点，利用相关分析与格兰杰因果分析研究推文中反映出的公众情绪、观点与股票市场走势、资产价格变化率之间的关系。实验结果表明：包含特定情绪倾向的推文比例与股票市场走势呈现负相关；包含关键词“dollar”、“oil”、“gold”的推文比例分别与隔天的股票指数、原油价格、美元汇率等资产指标变化率呈现正相关，而且满足上述条件的推文数量与相应资产价格变化率之间确实存在统计学意义的因果关系。该成果被新浪网报道（见附录）。