复杂网络的基本结构单元为节点和连边，长期以来学者们围绕节点和连边构建了丰富的测度体系和研究框架。然而从网络功能上看，由少量节点以及它们之间连边组成的局域子图（模体）才是基本单元，无法将其割裂成独立的节点和连边。本研究中基于模体构建了高阶网络结构测度体系，此时节点和连边就变成模体节点和模体连边的特殊形式，该框架能更好理解实证网络的非平凡结构特性和多尺度之间的结构关联性。将多种模体的测度结合机器学习方法应用到网络结构分析与预测任务(如链路预测、符号预测和社团检测)中，不仅取得更好的预测性能，对不同模体所起的作用也具有较强可解释性。本研究框架有助于理解网络结构和功能之间相互依赖的复杂关系，应用于各类网络数据挖掘任务中。