伴随科技的不断进步,随之产生的海量数据为复杂网络的研究带来了许多机遇与挑战,引起了复杂网络相关领域学者们的重视,其中复杂网络重要节点识别问题便是十分重要的研究方向。本文基于节点与节点、节点与连边之间的拓扑结构关系,在无向无权网络中提出结合节点权重与结构熵的基于网络局部范围信息的重要节点识别算法;在有向无权网络中利用灰色关联分析方法将三种不同的节点属性进行融合,并结合半局部中心性思想提出基于有向无权网络的重要节点识别算法。本文具体工作如下:（1）综合考虑无向无权网络中节点的多种属性,提出一种基于节点权重与结构熵的重要节点识别方法。首先,根据节点三度影响力原则,从节点间的相互影响力出发,将节点在三阶范围内可以影响的邻居节点数目进行归一化处理,并利用熵权法对节点进行赋权操作;然后,根据节点间的三角结构数量关系,利用信息熵原理与节点间三角结构数量分布概率集,通过考虑节点间的紧密性与节点的位置信息等指标,计算节点的局域结构熵;最后,结合节点权重与节点局域结构熵,从节点自身属性与节点间拓扑结构关系等指标出发对网络中的重要节点进行评估。实验部分,分别在模拟的小世界网络和真实网络数据集上,利用SIR传播模型和网络鲁棒性分析模型从节点传播能力与网络结构两个方面对所提方法展开对比验证实验,验证了所提方法在网络的局部结构信息范围内所识别重要节点的有效性和准确性。（2）在有向无权网络中,综合考虑包含高阶结构的多种节点属性,基于灰色关联分析方法和半局部中心性思想提出识别有向网络中重要节点的评估方法。首先,对各个网络中存在的模体结构类型进行分析统计,选取数量最多的模体作为研究对象,计算相应节点的高阶度值,并基于灰色关联分析方法,融合表示节点间交互关系的高阶度值、节点连接关系的节点度值以及节点位置信息的节点效率值三个指标计算节点的灰色关联度值,根据节点的灰色关联度值提出一种融合多元节点属性的重要节点识别方法;然后,根据节点半局部中心性思想,对提出的融合多元节点属性的重要节点识别算法进行改进,提出一种借鉴半局部中心性思想的基于高阶结构的多元节点属性的重要节点识别方法。最后,实验验证在多个真实网络数据集上展开,利用SIR传播模型对重要节点的传播能力进行分析;根据网络鲁棒性分析模型,通过移除排序后的节点对网络连通性的破坏情况对网络结构进行分析。实验结果验证了综合考虑多种节点属性以及节点半局部中心性思想的重要节点识别算法的有效性,且相比基于单一属性的方法在重要节点识别方面具有更高的准确性。