关键节点检测始终位于复杂网络科学的研究前沿，在诸如病毒营销、推荐系统、生命医学等多个技术领域中都有广泛的应用。基于对节点重要性不同的理解，诸多算法与模型近来如潮水一般涌现出来，但大量缺乏真实标签的数据使得人们很难验证算法的有效性，而建立于真实实验之上的相关理论又欠缺足够的准确度。此外，不止是关键节点，所有节点因其连边行为而产生聚集的趋势为其行为模式。对节点行为模式的研究能够从微观层面揭示网络的演化机制，但目前有关算法不仅需要手动设置诸多关键参数，通常还具有非常高的计算复杂度。　　本文将重点关注如何检测社会交易网络中的关键节点，其核心在于创造一种新的重要性度量。因在量度节点重要性之后，仅仅只需据此对节点进行排序然后取排名靠前的若干节点作为关键节点即可。更为具体的，本文基于合作博弈的一个解概念，纳什谈判解，来确定每条边上利润的具体划分。而倒后推理，一项同样来自博弈论的关键技术，将被用来推算每个节点用于谈判的可信备择，以此修正以往纳什谈判解所定义的备择，进而大大提升其预测准度。此外，本文将算法扩展为适用于一轮可以达成多项交易的复杂情景。最后，算法将节点所获最大利润作为其重要性度量，并据此选取关键节点。　　而对于节点行为模式的分析与预测，因大数据时代所携带的海量数据使得实体关系变得更加多样化与时序化，故本文使用张量以描述此类复杂网络系统中的多维多线性耦合关系，并提出新的SASTA算法对原始张量进行分解以提取节点特征，该算法能够自动确定分解后因子矩阵与核张量合适的大小，且较传统算法有着更小的时间复杂度。然后基于SASTA所得节点表征，利用同步聚类算法对节点进行聚类以分析其行为模式，此算法无需手动设置社团个数。此后指数平滑技术被用来拟合未来将会出现的张量，SASTA与同步聚类算法将被再次用来预测节点未来的行为模式。简言之，SASTA、同步聚类算法以及指数平滑技术构成一个完整的用以分析与预测节点行为模式的算法框架。　　最后本文利用多个真实与人工数据集比对算法结果，并证实新提出的算法与算法框架有着较高的准确性以及较低的计算复杂度。