复杂网络是当前重要的交叉学科研究热点之一，而学术引文网络和微博话题网络是复杂网络的两个重要研究样板。当前学术引文网络作为一种自发形成的科学网络，受到一些研究者的关注。对学术网络研究表明，文献参考关系连接定义的网络具有小世界和Scale-free特性。通过对引文网络的研究，能更好的识别论文的科学价值和学术影响力。本文加入用PageRank算法来衡量的节点适应度，建立基于PageRank算法的适应度模型，并给出理论推导和高能物理引文网络的实例验证。结果表明，推广的BA模型比经典BA模型更加贴合实际引文网络。微博作为网络中最开放、最活跃的一个区域，已经成为主要的舆论集散地。本文建立了一个带节点知名度的场强时变话题传播模型。我们用微博4个热门事件：“袁厉害救助”、“PM2.5雾霾”、“钓鱼岛”、“莫言获诺贝尔文学奖”，分单峰事件与多峰事件分别做数值模拟，均方误差在0.04以内，证明我们的模型是有效的。根据拉扎斯菲尔德对意见领袖的定义，在微博渠道意见领袖应该是在某一主题内特别活跃并且在这一主题内具有极大影响力的用户。本文建立了基于节点影响力、支持力、活跃度的AHP模型和TOPSIS模型，基于加权无向网络的PageRank算法和基于加权有向网络的HITS算法，识别热门事件中意见领袖，并分析了他们的属性值。在新浪微博数据中的实验证明，我们识别的意见领袖是合理的。本文在引文网络和话题传播网络的研究有一定的开拓性，同时也提出了一些问题，可供今后深入探索。