在复杂网络的研究中,相对于传统的社区挖掘及链路预测等研究,角色发现还是一个新兴的领域,它允许研究者以直观的方式分析复杂的网络。角色发现指的是将节点划分为等价节点类(即角色)的过程,其中角色代表了节点级别的连接模式,如星型中心、星型边缘节点、近群或桥节点等。在早期,角色发现主要被社会学家所关注与研究,近年来,角色发现在其他研究领域也变得越来越重要。角色发现的研究主要分为了两类,基于图的角色发现和基于结构特征的角色发现。在基于图的角色发现中,一般通过将网络转换为以邻接矩阵表现的形式来进行研究;而与基于图的角色发现不同,基于特征的角色发现方法通过提取网络的拓扑结构特征,将拥有相似结构特征的节点分配为同一个角色。本文针对基于结构特征的角色发现问题,深入研究了近年来对于该方向的所提出的各种算法,详细介绍了基于结构特征的角色发现算法框架,并介绍了一种基于该框架的角色发现算法。该算法针对基于结构特征的角色发现算法中,大多数方法只考虑了节点间的局部连接模式及其邻居结构信息,并未考虑到网络的全局信息这一缺点,引入了被广泛应用的局部以及全局节点结构特征属性,构建节点结构特征矩阵,使得本文所提出的算法与其他的角色发现算法相比,能够更好地捕捉到网络的全局结构信息。同时,本文在基于RIDεRs角色发现算法所提出的角色发现算法评价框架之上,引入了 NodeSense评价方法,提出了一种新的基于零模型的角色发现评价方法。该方法使用多种节点重要性评价指标,以一种直观且易于解读的方式评价了角色发现算法的性能。最后,本文将所提出的角色发现算法评价方法应用到不同的角色发现算法中,与本文所提出的角色发现算法进行实验对比,实验表明,本文所提出的角色发现算法,在局部以及全局评价指标上,均具有更高的性能。