随着互联网和普适计算的迅速发展,越来越多的社交行为被以数据的形式记录下来并被制作成为社交数据集。基于这些社交数据集,社会学、行为学、传播学、人类学等众多领域的研究学者,以及研发、生产、广告、营销等众多领域的从业人士纷纷聚焦于这些社交数据上。研究人员希望通过多种不同角度对海量社交数据进行挖掘,从而分析挖掘人们潜在的社交特征和规律。本文从社交数据多元性的角度出发,采集并制作了包含三维社交数据的移动社交网络数据集并基于该数据集探究人们的社交特性。其中主要工作和贡献包括以下几个方面：本文首先介绍了社交网络数据集和社交网络分析技术的定义、研究现状及其挑战,进而引出多维社交网络数据集研究的意义。随后本文介绍了三维社交数据采集方案,包括现实社交信息采集方案、虚拟社交信息采集方案和自我评定信息采集方案。针对采集到的三维社交数据,对用户多维社交特性进行了一系列的分析：对用户运动数据进行了社区划分,并从地理位置社区视角出发,深入分析了用户的相遇特性、移动特性和社区特性；从社交网络图的角度分别定义了四种网络：移动社交网络,虚拟社交网络,好友社交网络和密友社交网络,并从网络拓扑的视角依次探讨了这四种网络的多种网络特征,包括：网络稠密性、小世界特性、网络同构性和网络结构相似性；探讨分析了用户的社交关系和性格特征,提出了社交关系预测问题和性格特征预测问题,并利用现实和虚拟社交数据来预测自我评定的社交关系和性格特征。最后对全文进行了总结,并提出了下一步的研究方向。本文采集并制作了第一个包含三维社交数据的移动社交网络数据集,探索了用户的运动规律,从多元社交数据的角度挖掘探索了多维社交特性的区别与联系,并利用虚拟和现实社交信息来预测自我评定社交信息,实验结果显示本文的预测模型具有较高的预测精度。