● 摘要
随着社会网络、通信等技术的快速发展，人们社会生活日趋网络化。网络变得越来越繁杂，规模也在不断变大，怎样通过计算度量这些网络中的节点重要程度一直是复杂网络研究的亟需解决的一个重要难题。
本文以面向大规模复杂网络设计实现低时间复杂度和高精度的节点重要性排序方法为目标，研究了复杂网络的相关特征参数和典型的网络模型，分析比较了现有经典的中心度指标算法，运用信息传播模型作为评价指标，设计实现了两种节点重要性排序算法，并用真实的数据集进行了验证，最后基于提出的两种节点重要性排序算法，设计开发了基于微博数据的关键人物挖掘原型系统。本文的主要工作内容包括：
1.给出了一种基于k-hop中心度的复杂网络节点重要性排序算法。该算法针对度中心度节点重要性计算方法的精度问题，运用局部思想，通过k跳的概念划定节点重要性分析的局部范围，并利用相连节点的影响力随着路径长度递减的原理，提出了节点k-hop中心度的计算公式，更加适用于大规模动态复杂网络。与基于度中心度、介数中心度、k-shell等节点重要性排序方法相对比，在保证算法低时间复杂度的同时，提高了算法精度，容易发现复杂网络中更加接近真实的关键节点。
2.给出了一种基于路径中心度的复杂网络节点重要性排序算法。该算法针对介数中心度的时间复杂度和精度问题，在传统的介数中心度的基础上，通过局部的概念划定节点重要性分析的范围，并通过分析节点删除前后局部范围内节点对的最短路径长度的变化，克服了介数中心度只考虑最短路径而忽略次短路径的缺陷，提出了路径中心度的计算公式，与基于度中心度、介数中心度等节点重要性排序方法相对比，在保证低时间复杂度情况下，提高了算法精度。
3.设计实现了基于微博大数据的节点发现原型系统，该系统包括前端展示和后台数据分析两个部分。后台数据分析部分针对数据库中节点的好友关系，应用两种排序算法，得出数据集中节点的重要性排序。前端展示部分针对后台分析出来的节点重要性排序结果进行展示。