随着互联网科技的广泛普及和快速发展,在线社交网络已经成为民众进行交流的主要平台和信息传播的媒介。人们通过微信、微博及论坛等社交平台获取信息和传递信息的能力得到了提高,同时信息也通过用户之间的交互进行着快速的传播。在社交网络中,具有较大影响力的重要节点对网络的功能和结构的影响更大。一方面,利用相关理论和方法,准确挖掘网络中这类重要节点,对于准确投放产品广告、促进或抑制信息传播具有重大意义。另一方面,研究网络中节点的信息传播规律并引导信息传播,发现影响力最大化的种子节点集合,对于实现产品最大化推广等领域具有十分重要的意义。考虑到社交网络中节点之间的联系的时序特性,本文以时序网络为研究对象,研究了重要节点挖掘领域的两个重要问题,即节点重要性排序和影响力最大化算法,同时设计并实现了一个时序网络可视化工具。主要开展了以下工作:1、本文在多层图时序网络模型的基础上,首先提出了一种基于层间耦合强度衰减的超邻接矩阵时序网络建模方法,然后通过计算节点在时序网络中各个时间层的特征向量中心性来评价节点的重要性。该方法同时度量了相邻时间层网络和跨层网络中节点的相似性关系,并引入衰减因子更准确的刻画层间耦合强度,有效解决了固定常数不能反映层间耦合关系差异性的问题。2、基于启发式和贪心策略提出了一个时序网络影响力最大化算法。首先,基于特征向量中心性定义了一种计算节点间传播概率的方法;其次,基于网络中节点的局部信息和传播概率计算节点的影响力;再次,改进独立模型使其可以适用于时序网络中的信息传播问题,并在此基础上提出了TCHG算法。该算法在时序启发式阶段选择出候选种子集合,在贪心阶段从候选种子集合中选择扩散种子节点集合;最后,在多个时序数据集上的实验结果表明,与现有启发式算法相比,TCHG算法的影响范围更大,且运行时间明显少于贪心算法,体现了TCHG算法的准确性和高效性。3、最终,基于本文的研究内容和相关理论介绍,设计并实现了一个时序网络可视化工具。该工具可将复杂的时序网络数据集以拓扑图的形式映射到GUI界面中,同时基于本文提出的ASAM时序网络建模方法和TCHG等算法,将节点重要性排序结果和影响力最大化的种子节点集合分别展示在界面中,并基于独立级联模型对种子节点的信息传播过程依次进行模拟展示。