拓扑势理论是复杂网络社区发现领域的新方法,该方法先计算节点的拓扑势值,然后搜索局部极大值点进行社区发现,准确度高、速度快。但是,当前很多基于拓扑势的社区发现算法也存在一些不足。首先,传统基于拓扑势的社区发现方法忽略节点间的差异性,认为所有节点的质量相同。实际上,节点质量是表示节点在网络中重要程度的指标,节点在网络中的位置千差万别,因此假设所有节点质量相同缺乏现实合理性,该假设还将影响拓扑势值计算的准确性,进而影响社区发现的性能;其次,传统基于拓扑势的复杂网络重叠社区发现算法主要借助效益函数和调节因子等辅助参数进行社区发现,导致社区划分的复杂度较高。本文提出一种基于重要度评估的节点质量计算方法,并将质量因素加入拓扑势值计算中。节点质量是节点的固有属性,是节点在网络中影响能力的体现。本文节点重要度评估方法同时考虑全局属性指标与局部属性指标,通过定义K-核迭代因子指标来综合对节点重要度评估。实验显示,本文节点重要度评估算法更加准确、算法复杂度低、能够用于大规模复杂网络的计算。准确的节点质量评估使得拓扑势计算更加准确,后续基于拓扑势的重叠社区发现算法更加准确、有效。本文提出一种基于节点位置分析的重叠社区发现算法。该方法充分利用拓扑势场自然呈现的峰谷结构,根据节点在峰谷结构中的位置特征定义峰位节点,谷位节点,斜坡位节点,根据峰位节点特征检测社区数量,然后根据节点在网络中的位置进行节点社区归属判定。实验显示,文本算法与传统拓扑势和非拓扑势社区发现算法相比,划分结果更加高效、准确。