国际贸易网络可以用来衡量国家的经济实力,具有复杂性和动态性的特点。准确地对动态加权国际贸易网络进行社团检测能够找到更为紧密的区域性贸易合作组织,对于各国制定相应的贸易政策和未来的发展计划具有指导意义。目前,如何提高动态加权国际贸易网络社团检测的精度有待进一步研究。本学位论文研究动态加权国际贸易网络的节点重要性排序和有向边权重预测,进而对动态加权国际贸易网络的社团检测进行研究。主要研究内容和成果如下:为了提高动态加权国际贸易网络中节点重要性识别精度,建立了加权国际贸易网络,提出了基于指数时序聚合模型的加权主分量中心性算法（WPCC-ETSAM）。选定UNCTAD数据库,将国家之间的贸易额作为加权国际贸易网络中连边的权重。在加权主分量中心性算法的基础上,WPCC-ETSAM算法通过引入指数时序聚合模型对动态加权国际贸易网络的节点重要性进行识别。经过实验对比,WPCCETSAM算法相比于三种经典算法在动态加权国际贸易网络节点重要性识别的准确性方面表现出很大的优越性。为了提高动态加权国际贸易网络中有向边权重预测精度,构建了基于图神经网络的时序链路预测模型,并基于该模型提出了有向边权重预测算法（DEWPATLPM）。通过在以生成对抗网络、长短期记忆网络和图卷积网络为基础的时序链路预测模型中引入矩阵分解变换模块对动态加权国际贸易网络中有向边进行权重预测。DEWPA-TLPM算法通过引入重构损失函数提高动态加权国际贸易网络中有向边的权重预测精度。实验结果表明,DEWPA-TLPM算法对动态加权国际贸易网络有向边权重的预测准确度比四种经典算法表现的更佳。为了提高动态加权国际贸易网络中社团结构的检测精度,提出了基于节点重要性和链路预测的多目标动态社团检测算法（MDCDA-NILP）。MDCDA-NILP算法采用基于节点重要性的标签传播策略对动态加权国际贸易网络的社团结构进行初始化,进而采用多目标动态社团检测策略对动态加权国际贸易网络的社团结构进行检测。经过实验对比,MDCDA-NILP算法对动态加权国际贸易网络中社团结构的检测精度比三种经典算法表现的更优。