近年来针对复杂网络的研究层出不穷,对于复杂网络的研究层次也逐渐加深。多层时效网络是在多层网络和时效网络的基础上展开的一种新型网络类型,目前相关的研究还不够丰富,而且复杂网络的节点重要性识别作为具有实际应用意义的研究也深受人们关注。因此本文主要针对多层时效网络展开节点重要性识别的研究与应用,主要内容如下:（1）针对含时二分网络,本文在已有加权投影技术的基础上提出了改进的有向加权投影方法。该技术通过考虑节点连边的方向和权重比例以及权重不对称性并构建了权重分配邻接矩阵,并根据权重分配邻接矩阵定义了节点的重要性值,以此达到了对一类节点进行节点重要性识别的有效手段。通过实验与已有算法进行对比,发现新算法的准确性和时间均衡性体现的更好。（2）针对多层时效网络,本文构建了多层时效网络的数学模型并采用六阶张量表示,考虑了节点在多层性和时间层上的连接性,在此基础上引入PageRank中心性的思想,利用三阶张量表示PageRank迭代中心性算法。在实验验证上,通过与运用五阶张量的PageRank中心性的算法和运用四阶张量的多层网络的PageRank中心性算法进行比较,得出新算法与运用五阶张量的中心性算法存在线性关系,并在算法鲁棒性上高于另外两种算法。（3）针对多层时效网络节点重要性的应用方面,本文从两个方面展开应用,第一,提出基于含时二分网络节点重要性识别的链路预测算法应用研究,通过对改进的加权投影技术进行应用,考虑了网络的拓扑结构、节点连边的权重以及节点的重要性,在链路预测性能上优于传统算法。第二,提出基于节点相似性的多层时效网络的重要节点识别推荐算法的应用研究,利用构建的多层时效网络的数学模型和张量表示,利用节点相似度指标,应用于特征向量的迭代中心性算法中,并对重要节点进行评估,以此应用于推荐领域。