物理对象(泛指物理空间中存在的有形物)本身的社会存在及对象之间的相互联系和相互作用,使它们有了除自然属性之外的社会属性。物联网环境下,物理对象社会属性建模是研究在赛博空间建立社会属性的映射模型,从而可以帮助提高物联网对人类的服务能力;或结合具体应用,发现更多隐含的社会属性,从而帮助解决人类生活中的一些问题;或直接利用社会属性的思想去解决实际问题。因此,本论文的研究具有重要的研究意义和应用价值。本论文针对关系和社会网络两个重要的社会属性,研究了物联网中物理对象的关系建模及乳腺癌防控中的关系建模、物理对象的社会网络建模及乳腺癌防控中的医疗社会网络建模、基于医疗社会网络的乳腺癌风险评估模型和基于该模型的乳腺癌风险分级评估模式,具体内容包括:(1)实现了物联网中物理对象的关系建模。详细描述了关系的分类,并通过一个关系的超网络结构实现了物理对象及事件之间复杂关系的直观性表达,方便关系的管理和查询;用本体方法实现了关系的物理℡赛博映射和简单关系的推理发现;基于Python语言实现了对象和关系的本体模型以及基于nID(non-ID)的关系识别;针对乳腺癌防控中的关系建模,通过关系的本体模型实现了已有关系的映射,同时通过基于改进的关联规则算法实现了乳腺癌危险因素发现,这些因素与乳腺癌疾病形成了因果关系,从而实现了新的关系发现建模。(2)提出了物联网中物理对象的社会网络模型。在充分考虑物理对象的交互特性前提下,设置了网络增长的三种机制:物理距离、社会距离和偏好性;通过对模型进行仿真实现,分析了不同增长机制下社会网络的度分布、聚类系数等特征,所提出的网络模型可用于物联网中不同情况下的物理对象社会网络模拟及信息传播等机制的研究;从社会网络应用的角度对乳腺癌防控中的医疗社会网络建模,借鉴社会网络模型的思想,利用乳腺癌危险因素的相似度构建医疗社会网络,并得到一个可用于乳腺癌风险评估模型的加权或无权的无向网络。(3)提出了一个基于医疗社会网络的乳腺癌风险评估模型(Breast Cancer Risk Assessment Model,BCRAM),并将其用于发现乳腺癌高风险人群(意味着该人群中的人患乳腺癌的风险较高),以缩小筛查范围、:节约成本的原则实现乳腺癌防控中的早发现。该模型首先利用乳腺癌危险因素之间的相似度构建医疗社会网络,然后把医疗社会网络划分为高风险组和低风险组,最后根据风险概率和高风险阈值确定了高风险人群。大约12万人的实验数据对BCRAM模型的验证结果中,得出的ROC(Receiver Operating Characteristic)曲线证明BCRAM比其它模型更适合用于乳腺癌风险评估。同时,该模型对随访中新发现的病例能给出较高比例的早期预警。(4)结合乳腺癌防控中的关系建模及基于医疗社会网络的乳腺癌风险评估模型,提出了乳腺癌风险分级评估模式。其中,介绍了风险分级评估模式的实现平台,并解释了各个模块的功能和实现思路。基于机器学习分类算法实现了乳腺癌分级评估模式中的乳腺癌风险二级评估。正确率、ROC曲线等指标表明LightGBM(Light Gradient Boosting Machine)算法更适合用于乳腺癌风险二级评估。