在互联网快速发展的今天,社会媒体与社交网络方面的研究日渐成为热点。随着人们能够收集和分析大规模的人类行为数据并从中发现个人和群体行为的模式,标志着一个新的研究领域“计算社会科学”的诞生。对社会网络研究的推动力量不仅是来自于社会学家、经济学家,而且涉及更广泛的交叉学科领域内的众多学者。这种广泛的跨学科的研究兴趣的源起在于对社会网络的研究无论在理论上还是在现实应用中都具有重要意义。本课题围绕复杂网络中节点角色分析问题,进行了相关的研究。主要包括了以下4个方面的研究：1.复杂网络中群体用户行为实证研究。人类行为研究的初期,实证研究具有切实意义,是深入分析用户行为模型的基础,本部分概述了人类行为动力学研究的相关方法与技术,并针对电信网络和BBS论坛数据集进行了人类行为动力学的相关实证研究。2.基于有向拓扑势的节点角色发现算法。首先定义了有向加权网络中的二维拓扑势,之后从定性和定量的两个方面对节点角色进行了描述,并提出了针对时序图的检查方法。3.基于社会学属性的在线社会网络角色发现算法。针对在线社会网络(sina微博),从社会学角度提出了一系列的用户特征属性度量,选取基于非负矩阵分解的方法进行聚类分析,使用MDL的模型选择方法进行用户角色研究。4.基于节点角色的网络演化。基于张量模型,提出了一种用户影响力角色演化分析方法,针对典型的通话网络进行了实验分析,并与基于矩阵分解的算法进行了对比研究。总体而言,本课题从复杂网络中群体行为实证研究,节点角色发现,以及网络的演化进行了相关方法研究,并在通信网络、在线社会网络、组织网络中进行了相关算法的实验分析。