网络是用顶点和链接来表示复杂系统的典型表现形式,其中网络组件之间的交互模式是复杂的。网络可以是静态的,不会随着时间的推移而改变,也可以是动态的,会随着时间的推移而发展。在网络规模爆炸性增长的新形势下,网络分析的复杂性是不同的。本文介绍了一种新的网络科学概念,称之为大网络。大网络通常都是大规模的,具有复杂的高阶内部结构。本文研究了围绕大型网络社区的几个主要问题。这些问题包括识别网络中最有影响力或最关键的节点,发现具有领导者的科研团队或社区,以及检测大网络中的关键子网络。这些问题通常围绕该领域的一些挑战,例如精确性、优化和对大型现实网络的可伸缩性。要解决这些问题,就需要复杂的解决方案设计来处理和正确管理具有复杂内部结构的大型网络。但是,几乎没有解决方案可适用于大型网络,而现有方法大多适用于小型网络。在处理大型网络时,揭示这些网络的隐藏结构至关重要,因为它可以为我们提供有关所处理网络的有趣而重要的信息。它使我们能够理解大规模复杂网络的复杂性。同时,在学术界,大多数科学研究都涉及到协作、基于团队和合著的方法,这些方法导致了知识的产生和高影响力的研究成果。以往的研究在确定其真正有影响力和有成效的学者方面还很欠缺。然而,与领导者一起调查科学团队的结构与调查其社区结构同样重要。此外,子网识别在分析、管理和理解大型网络的结构和功能方面也起着重要作用。除此之外,对子网进行排名并将其确定为最优子网也同样重要。因此,我们首先探索各种大型网络模型和应用程序,研究考虑网络复杂性的最新解决方案。针对上述问题,设计了几种新的算法。首先,开发了一种作者排名方法,该方法可以捕获多作者出版物中每个合作作者的影响力,并且考虑了出版物的引文属性和出版物之间的相似性。该方法使用分数计数指标来计算合著者在给定论文中的贡献。接下来,计算出给定论文与其被引用论文之间的上下文相似度。该方法使用数学定义的度量（称为KeyScore）对每个合著者进行排序,并在给定论文的合著者中发现“key”作者。无论作者在作者列表中的位置如何,都可以通过识别“中国杰出青年”获奖者的出版物来验证该方法。与其他现有的基线方法相比,该方法能够准确地识别关键作者。其次,提出了一种名为CLeader的算法,该算法从初始化给定合作作者网络的候选领导开始。因此,我们设计了一个数学模型,以确定活跃和富有成效的作者是真正的领导者,并考虑到他们在给定时期内的文章发表年份。该方法通过将作者与其最近的领导者分组并使用DHRank标识关键成员来迭代地发现子网。实验结果表明,本文提出的算法优于现有算法,适用于大规模网络。最后,我们还设计了一种基于主题的最优子网识别方法（TOSNet）。基于各种基本特征,本文研究了以下问题:1)如何发现协作强度大的基于主题的子网络?2)如何对发现的子网进行排序并选出一个最优子网?通过采用模块化度量方法对该方法与基线方法的性能进行了评估,并根据识别子网的大小评估了该方法的准确性。实验结果表明,对于特定的研究主题,我们的方法在识别上下文子网方面表现出优异的性能,可以保持研究人员之间的紧密协作。本文针对所讨论的研究问题设计了新颖的算法和数学指标,并给出了基于真实学术数据集算法的实验结果,相对已有的算法,这些算法在准确性、有效性和性能方面都有显著的提高。