网络是刻画和分析复杂系统中个体之间的链接关系及相互影响的有力工具。时序网络是传统网络在时间维度上的拓展,是对真实复杂系统更准确地抽象。因此,时序网络的研究具有重大的理论意义和实用价值。本文重点围绕时序网络结构建模与演化分析等关键问题,系统地从网络节点、链接以及社区三个层次,分别开展关键节点挖掘、未知链接预测以及一致社区发现的研究,并分析研究了合理窗口选择的共性问题。本文主要包括以下四个方面的内容:第一,针对时序网络关键节点挖掘问题,提出了时序网络的超演化矩阵数学表示模型,进一步提出了基于超演化矩阵特征向量中心性的节点重要性度量方法。通过定义超演化矩阵刻画了时序网络片段及其层间关联,并引入时间序列分析方法自动估计不同片段之间的关系参数。基于超演化矩阵特殊的下三角形式,设计了高维矩阵特征向量的快速计算方法,实现了时序网络节点重要性的有效度量。实验结果表明:本模型方法能够对时序网络节点重要性进行更有效排序。第二,针对时序网络链接关系预测问题,提出了基于时间序列分析的时序网络结构演化建模,进一步提出了结合网络时序与结构信息的链接关系预测方法。通过引入单变量和多变量的时间序列分析方法,对网络中节点之间通联频数的演化进行建模;通过结合基于网络结构相似性的度量指标,综合考虑网络时序与结构两个维度信息,实现了两类方法的优势互补,实现了对时序网络链接关系有效预测。实验结果表明:本模型方法能够显著提高网络链接关系的预测精度。第三,针对时序网络社区结构发现问题,提出了时序网络的谱特征融合和优化模型,进一步提出了基于融合谱聚类的时序网络社区结构发现方法。通过将不同的时序网络片段对应的归一化拉普拉斯矩阵Fiedler向量进行加权融合,基于融合后的向量对网络中社区进行划分,从而将过去时刻的社区信息带入到当前时刻的社区划分中,避免网络结构波动引起的社区划分偏差。实验结果表明:本模型方法在多种社区划分评价指标下均取得了较好的社区划分效果。第四,针对时序网络合理窗口选择问题,分别提出了基于网络结构距离度量与基于网络时序特征度量的合理窗口确定方法。时序网络中合理窗口选择是时序网络分析中的共性问题,是进行时序信息有效融合的前提。通过设计网络结构距离度量,根据网络结构的变化情况选择合理的时间窗口长度;通过引入网络时序特征度量,进行时间序列建模,根据AIC准则判定最优的时间窗口长度。实验结果表明:本模型方法能够有效确定时序网络分析中合理的窗口选择长度。