移动社会网络作为移动通信网络和社会网络的交叉网络,支持移动用户间的数据或信息传输。一方面,幂律分布的普遍存在性使得移动社会网络中用户的重要性存在差异;另一方面,社团结构的普遍存在性使得移动社会网络中用户的相似性得以体现。然而,如何有效利用这一特定场景下的数据信息来实现重要节点的识别和社团检测等问题仍未得到有效解决。因此,本文的研究主要针对移动社会网络中重要节点识别和社团检测问题。与网络中其它节点相比,重要节点往往可能会影响网络的结构,甚至对其功能产生较大的影响。此外,他们在信息传播中也起着决定作用。节点的重要性序列就是按照相关指标值进行排序从而生成的节点序列。重要节点往往容易吸引其他节点依附在其周围,进而形成社团。社团是指处于宏观网络和微观节点之间的一种结构,具有内部连接紧密而外部连接稀疏的特点,理解其结构有助于我们更好地检测社团。1.针对移动社会网络中现有重要节点识别方法未充分考虑节点活跃度,从而导致未能精确识别重要节点的问题,提出一种基于节点活跃度的重要节点识别方法。该方法分别从节点的拓扑结构和行为特性两个角度出发,给出了节点活跃度的定义,并筛选出活跃度较大的节点作为种子节点。然后使用SIS（疑似感染-感染-疑似感染）传播模型对信息传播过程进行了模拟,并对种子节点的传播能力给出了度量。通过对四个真实数据集上的实验结果分析可以发现,与现有的基于中心性的方法和基于优化的方法相比,所提方法能够保证在不提高复杂度的情况下更有效地识别出重要节点。2.针对移动社会网络中现有节点影响力评估方法未充分考虑拓扑结构和社会属性,从而造成评估社会影响力比较片面的问题,提出一种基于拓扑结构和社会属性的重要节点识别方案。该方案分别从节点的拓扑结构和社会属性两个角度出发,给出了节点间相似度的定义和改进的节点网络约束值。在此基础上,进一步给出了节点社会影响力的定义,并筛选出社会影响力较大的节点作为种子节点。然后使用SIR（疑似感染-感染-恢复）传播模型对信息传播过程进行了模拟,并对种子节点的传播能力给出了度量。通过对四个真实数据集上的实验结果分析可以发现,与现有的方法相比,所提方法能够更为精确地识别出重要节点。此外,我们还从网络鲁棒性的角度对所提方法的效果进行了验证。3.针对移动社会网络中现有社团检测算法忽略节点的社会属性和行为特性对社团形成的影响,从而导致部分社团划分精度不高的问题,提出一种基于局部密度聚类的社团检测算法。该算法分别从节点的拓扑结构、社会属性和行为特性三个角度出发,将网络中的节点映射为聚类算法中的数据点,相应的,节点在上述三个角度的值映射为节点对应的三个维度上的特征。在此基础上,借助基于局部密度聚类的算法来进行社团检测。通过对四个真实数据集上的实验结果分析可以发现,所提方法能够有效检测到社团,且在模块度和标准互信息指数两个指标上具有一定优势。