几乎所有的复杂系统都可以表示为网络。在社会化网络中,由于每个节点用户自身的社会特征及所处战略位置的不同,使得节点自身重要性及影响力各不相同。通过社会交互行为,节点用户会在其他用户的影响下做出思想和决策上的改变,这种相互影响会使网络中的信息传播形成级联效应,导致具有较大影响力的少数关键节点造成网络信息大规模扩散。此外,随着社会化网络规模日益增大、节点间交互信息的多层次性、社交网络中用户间的协同作用以及网络拓扑结构的复杂化,使得传统影响力的度量方法出现评价指标单一、排序算法效率低下、模型适用性不高等问题。鉴于此,本文针对社会化网络背景下的项目开发者有向关注网络,依据其不同的交互关系,对项目开发者的影响力传播范围、种子开发者节点的挖掘和排序进行研究。针对项目开发者构建的关注网络,设计一种综合考虑节点语义和拓扑属性的影响力排序算法。首先,结合节点拓扑信息和路径指标获得网络节点初始排序;其次,利用项目开发者间交互属性构建节点信息传播概率模型;然后,借鉴反向节点排序算法的逆序位置思想,考虑邻居节点的富人俱乐部效应综合评估节点影响力,提出一种节点影响力排序算法。最后将该方法应用到开源代码平台Github,从时间复杂度、影响力传播范围、分布累积函数三个角度进行对比实验,结果表明本文所提方法具有较好的性能,能够更为全面地衡量种子节点影响力。针对度中心性排序结果中处于同一层级的节点往往无法区分影响力大小、从而采取随机方法选择种子节点的弊端,本文考虑从疾病传播模型出发,对项目开发者构建的关注网络建立影响力评估模型。首先,借鉴经典SIR模型方程,研究相同度值下的S态、I态、R态节点的演化规律,对传统模型的微分方程做出改进;接着,通过fork和watch行为指标引入信息传播概率参数,加以阈值判断,最终将衡量节点影响力大小问题转化为计算传播终止时节点感染密度问题。通过调用Github API上获取的开发者关注网络数据集进行实验,实验表明该方法能够较好甄别度值相同时节点的影响力大小,有效解决了传统方法的参数改良缺乏网络全局信息和真实交互信息传播概率这一问题。本文从有向社会网络构建、非线性动力学模型改进、利用交互信息计算节点信息传播概率等多个角度研究有向复杂网络的节点影响力识别、排序方法,极大提高了种子节点的分辨率,为未来复杂网络结构优化、节点行为预测、社区检测等问题的研究奠定了理论基础,具有重要的应用价值。本文共计图12幅,表12张,参考文献80篇。