信息技术的快速发展为网络研究提供了新的方法,社区发现和节点角色划分作为网络研究领域两个重要的方向在近些年来逐渐被研究人员关注,它们在不同的领域有十分广泛的应用。现实世界中的网络往往是多层网络,多层网络相较于单层网络,能包含更多的信息,更大程度的反映真实的情况,本文针对多层网络社区发现和有向加权图的角色划分进行研究,主要贡献包括:1)现有关于多层网络社区发现以及节点角色划分任务的公开数据集缺少社区和角色标注信息,本文根据实际情况得到某大学学生和老师之间真实的关系网络,并利用马尔可夫蒙特卡罗（MCMC）算法仿真生成它们之间的通信数据,构建一个全标注的多层网络数据集HUSTset。2)提出了一种基于多层网络的自编码器社区发现方法,本方法考虑各层的重要性,并与节点在多层网络的层与层之间的相似度关联起来,通过计算节点在层与层之间的相似度得到多层网络中每层网络的重要性。针对基于独立路径的节点相似度方法忽略了邻居节点的紧密程度,以及独立路径长度过长对相似度的计算产生干扰问题,提出了一种新的节点相似度计算方法,对长度过长的路径进行剪枝和加权处理。采用自编码器来更好的提取多层网络的特征,得到多层网络每个节点的有效低维向量表示,最后对这些节点的低维向量利用聚类算法进行聚类,聚类后的结果即为最终社区划分的结果。3)针对无向无权网络提出一种计算相似度矩阵特征向量中心性的方法得到无向无权网络节点的重要性,对有向加权网络提出一种多指标度量方法来衡量有向加权网络上节点的重要性,最后对无向图和有向图两部分进行融合,并利用聚类方法划分多层网络的节点角色。