随着移动设备技术的进步与通信技术的革新,电信行业持续发展,主营业务及规模与日俱增。正由于电信运营商得天独厚的优势,使其收集了海量的用户通信数据。然而,伴随着互联网时代下的OTT(Over The Top)业务对移动运营商的强烈冲击,运营商迫切的需要从海量的数据中挖掘出潜在的用户信息,以帮助其提供以用户为中心的服务。其中,基于移动通信数据构造社交用户群组,可帮助电信运营商准确分析客户社交结构等,进而推动优质服务和提升营销质量。为此,本文利用海量的用户通信数据,设计了一套有效的用户社交群组构造算法。首先,对原始移动通信记录进行预处理,使处理后的记录能较好地体现用户的社交意愿;然后分别从位置及联系两方面考虑,最终度量用户间的社交关系。针对移动用户的通话数据,从用户间的通话时间、次数、通话频率分布以及周期性设计了一个度量通信相关度方法;针对移动用户的位置数据,建立用户的移动时空序列,设计了一个度量用户位置相关度方法;最终,将整个用户间的通信关系抽象为基于社交关系的有权复杂网络,针对该网络本文设计一种基于极大团和蚁群算法的群组构造算法。通过将节点网络转换为链接图,设计了一种基于链接密度聚类的群组构造算法。并且基于MapReduce分别对所设计的算法进行并行化实现,使本文设计的算法适用于数据量巨大的大规模移动通信网络。本文对所设计的社交群组构造算法分别在基准网络数据和多个真实通话记录数据集与一系列相关优秀算法进行对比实验和性能分析。实验结果表明,本文所设计的社交群组构造算法无论是在人工基准网络上还是在真实的数据集上均具有一定的优越性,算法可行且有效。