现实生活中复杂网络无处不在,研究复杂网络结构和特性能帮助我们了解、预测和优化网络的动态行为。以往对复杂网络研究大多是将网络抽象成静态图,即在进行抽象的过程中忽略了网络本身具有的时间属性。但是现实生活中的网络特别是和人类行为相关的网络,它们和人类作息时间息息相关,这些网络带有时间属性。考虑这类网络的时间属性将使得网络的各类特征发生变化。本文的主要工作是将带有时间属性的网络抽象成时序图,研究分析这类网络的结构特性、节点重要性以及传播动力学等。文章首先介绍时序网络定义,再利用信号处理学中功率谱知识获取离散信号周期的方法来获取时序网络周期,并用实际网络数据进行实证分析。然后介绍时序网络结构特征,包括在Dijkstra算法基础上提出最短时序路径算法,用数学方法证明其正确性,分析其复杂度并与Holme提出的算法进行了对比;定义了在时序网络中节点中心性如介数、接近中心性等度量指标,并用构建的网络进行了计算分析与对比。之后对时序网络中重要节点挖掘进行了研究,在静态网络中基于节点边缘贡献值评价节点重要性的方法基础上,考虑网络时间属性并提出事件相关节点感染方式,提出了时序社交网络中节点重要性评价指标与排序算法,结果表明,提出的算法可有效地挖掘时序网络中的重要节点。由于时序网络有其独特的特征,近年来,越来越多学者开始研究时序网络的特征,比如阵发性、周期性等对信息传播影响。因此文章最后采用SIS和SIR传播模型以及依赖历史节点感染方式,研究时序阵发性对信息传播的影响,并采用数据集Sexual Escort和Infectious做实例分析。本文提出了自己的算法,也改进了别人的算法以适应在时序网络上。文章提出的最短距离算法虽然时间复杂度较高,但是计算结果是精确的;重要节点挖掘算法被证明能有效地挖掘时序社交网络上重要节点。