开源软件社区通过邮件将世界各地的开发者紧密联系起来,研究开源软件社区网络能够帮助认识开源软件的发展方向。具有高影响力的开发者能够加快软件项目的研发进度,高影响力的软件项目能够吸引更多优秀的开发者,通过关注具有高影响力的开发者和软件项目能够有效的预测未来技术趋势。然而,开源软件社区网络结构复杂,包含多种类型节点,单节点间存在多种交互关系,组节点与组节点也存在复杂的间接关系。用于识别传统网络中影响力节点的方法无法对开源软件社区网络进行建模,把复杂网络进行扁平化映射,转化为传统网络求解会造成大量信息损失,进而导致影响力节点识别不准确。为解决上述问题,本文对开源软件社区网络多种节点间的直接关系进行建模,提出了多层二部网络模型,利用节点间影响力的传递性求解具有影响力的开发者和项目。对于组节点间的关系,通过异质超图建模开源软件社区网络,减少节点关系进行扁平化映射造成的信息损失,更加准确的识别具有影响力的节点。本文的主要工作如下:（1）提出了一种基于多层二部网络的影响力节点识别方法,称为M-Bi Rank（Multiplex Bipartite Ranking Method）。该方法首先把开发者与软件项目的交互关系抽象为单层网络;其次根据不同交互关系中节点的耦合性把开源软件社区建模为一个多层二部网络;最后通过层间传递关系融合多种节点的影响力,并把最终趋于稳定的影响力值作为节点最终的影响力。（2）提出了一种基于异质超图的影响力节点识别方法,称为HHG2Rank（Heterogeneous Hyper Graph Ranking Method）。该方法主要分为两个阶段:构建异质超图模型阶段,通过开发者间的关注关系和软件项目间的依赖关系构建多元多维异质超图;影响力传递阶段,开发者和软件项目的影响力通过异质超图模型进行相互增强,趋于稳定的迭代结果即为开源软件社区网络中的节点影响力。（3）本文在真实的开源软件社区网络Git Hub中进行了大量的实验,对所提出的方法进行了验证。实验表明,本文提出的方法能够更准确的识别开源软件社区网络上具有高影响力的开发者和软件项目。