如何度量节点在网络拓扑结构中的重要程度,一直是复杂网络相关领域中的研究热点。针对实际网络存在多维的问题,亟需找到适用于多维复杂网络节点重要性的研究方法,而且节点对之间的作用强度往往是有差异的,节点对之间每个维度的作用强度也是不同的,并且随着时间的变化,网络中节点与节点之间的作用强度也是不断发生变化的,因此,节点的重要性程度也是在不断发生变化的。针对现实网络中存在的问题,本文提出了针对多维网络信息传播的节点重要性更新方法。本文首先定义了辅助维度来衡量多维复杂网络中维度与维度之间的重叠性,根据每个维度的重叠率计算节点与节点之间的平均重叠率,并提出了维度密集程度的定义提高了算法的准确程度,考虑到平均重叠率与维度密集程度的综合影响因素,得到辅助过滤近似维度值,在单维网络互信息方法的研究基础上,提出适用于多维网络的节点互信息量计算方法。其次,本文给出了针对多维网络的节点收缩方法计算互信息的变化量,并利用复杂网络的小世界特性,限定收缩跳数,使得算法兼顾时间效率与精确度。最后,根据节点本身互信息量与节点收缩后互信息变化量综合判定基于多维网络结构的节点重要性程度。针对现实网络中节点与节点间存在不同作用强度的问题,在多维网络结构的基础上,提出了维度流量的定义与维度影响因子的定义来衡量存在信息传播的多维网络中节点与节点之间的维度强度,进一步计算出每个节点的互信息量,并给出了针对信息传播的多维网络的节点收缩方法,考虑到基于信息传播的多维网络其节点重要性程度是不断变化的,给出了节点传播重要性的部分更新算法。本文选取WikiElec大型网络和e-print arXiv超大型网络这两个公开数据集进行实验对比分析,验证了k跳收缩的有效性,并以基准数据为准和其他算法相比,验证了本文算法在选取合适的收缩跳数时,其准确程度和运行效率均较其他算法具有一定优势。