信息网络给生产生活带来了巨大的信息资源,但随着研究和应用的深入,以常规思维方式和分析视角来研究处理这些庞大而又复杂的信息网络,其难度和挑战性不言而喻。结构洞作为反映社会网络节点关键性、研究网络信息传播扩散特性以及社区发现的重要理论。其新颖的研究视角对于社交网络影响力分析、设备网络薄弱节点检测、舆情控制、企业或个人跨界合作优势互补、以及逆向应用的企业竞争力、品牌影响力提升等有着至关重要的作用。本文从图论和网络拓扑结构的研究思想出发,主要基于最短路径增量(SPIG)、连通分量数量(NCC)、节点数方差(VAR)等属性信息对结构洞发现算法进行研究分析,设计并实现了两个针对复杂网络的结构洞发现算法,分别是SNV算法和基于中介中心性优化过滤的算法SNV-BC。首先,对现有基于最短路径增量的结构洞发现算法进行深入研究和分析后,根据其缺陷和不足,增加补充属性并重新定义网络模型,提出新的结构洞发现算法。其次,针对上述算法考虑因素较多,导致时间复杂度较高的问题,结合算法原理和实验数据的综合分析后,提出了新的优化过滤解决办法。最后,利用NDCG评价算法和SIR信息扩散模型等经典的结构洞关键节点评估方法,在不同类型的多个网络数据集中对所提出算法的有效性和效率进行了验证。并利用Gophi、Networkx等可视化技术和工具对实验结果进行可视化发现和分析。通过全面的实验测试,本文所提出的算法SNV-BC在对复杂网络的分析计算中,兼顾效率的同时能够体现出较高的适应性、准确性。同时算法本身在权值、交互度等方面还体现出较高的扩展性。