复杂网络节点重要性排序研究是复杂网络领域的重要分支,在特定的网络中找到关键节点对于整个网络有着巨大的作用。在现实世界中,谣言的传播,电力设施网络的保护,社交网络重要人员的发现都离不开节点重要性的问题。当前,复杂网络的算法鲜有考虑到网络中的结构特征,因此本文深入研究分析了复杂网络的结构特征,分别从网络中宏观和微观两个角度对复杂网络节点重要性算法进行改进,提高了挖掘重要节点的效果。第一,微观方面,对于当前传统节点重要性方法没有考虑到对网络结构的破坏,不适用于社交网络等问题,提出了一种改进的,基于割点移除的社交网络重要节点评估方法(APRR)。动态的利用Tarjan算法找到并移除社交网络最大连通分量的割点,将这些节点移除的顺序作为社交网络中关键节点排序结果。以4个真实社交网络作为实验仿真数据,与现有算法进行对比,进行鲁棒性测试。仿真实验结果表明,使用APRR算法得到的重要节点在鲁棒性评价标准上具有更优的结果,可以更快的使整个网络失效,因此APRR算法可以有效的得到社交网络中的重要节点。第二,宏观方面,对于PageRank方法结果过于集中,未考虑复杂网络社区结构特性的问题,提出了一种改进的,基于复杂网络社区划分的节点重要性排序方法(CDPR)。首先根据标签传播算法(LPA)对复杂网络进行社区划分的结果,将社区的内外连接关系转化为社区选择的概率表示;按照社区选择概率,分别从各个社区提取一定比例的候选关键节点;最后将这些候选节点重新排序,得到关键节点排序结果。以4个真实复杂网络作为实验数据,与现有算法进行对比,进行SIR传播性能实验。实验结果表明,CDPR算法筛选出的节点在整体传播性能上具有更好的效果,CDPR算法可以有效的对复杂网络的节点进行重要性排序。