复杂网络分析理论的进步提供了崭新的视角和丰富的工具。大量现实系统都可以表示为网络结构,通过抽象为统一的模型后定量研究并解决现实问题,内容跨越了社科人文、应用数学、物理科学、金融领域等多学科领域。重要节点识别作为复杂网络研究的重要分支,具备深刻的理论意义也拥有广泛的应用前景,吸引了越来越多科研者的关注。重要节点识别是发现部分对网络的拓扑结构和功能有重要作用的少量特殊性的节点,对网络的抗毁性、演化、控制、同步等有重要影响。根据目前主流的传染病传播模型及相应评价方法,为提高节点重要性识别中的准确性和分辨率,通过分析不同传播率下不同中心性方法的优劣性,以及中心性排序后的顶级节点的传播重叠等问题,本文的研究内容如下:第一,介绍复杂网络的基本概念,对目前节点排序方法与节点影响力评估方法进行系统深入的归纳与总结;第二,通过实验发现不同传播率下多种排序算法的优劣,以及不同倾向性下PageRank算法的变化,提出结合传播概率修改概率转移矩阵的PageRank改进算法DHP。通过在SIR传播模型上进行实验评估,该算法在多个网络数据实验中能够取得好的精确度及分辨率,且对传播率变化具有更好的适应性。第三,提出一种新的重要节点识别方法,该方法基于社团检测使用DHP算法在社团内选取种子节点,通过影响力传播模型,与直接用DHP算法在全网上选取种子相比能够避免影响力的重叠,取得更好的传播范围。第四,总结了目前重要节点识别问题存在的挑战与待解决难题。