随着互联网技术的发展,人们利用网络进行沟通已成为一种主流的交流方式,这种通过网络社交所形成的社交网络已引起科研人员的广泛关注。人们通过研究发现,每个人在现实生活中的一些行为习惯、交友爱好等对他们在网络上的社交也会产生一定影响,这表明以网络为平台所形成的社交网络中隐藏着大量社交信息,而如何挖掘出这些隐藏的社交信息也是本文重点研究内容之一。由于网络类型的不同,社交网络类型也多种多样,而本文中主要涉及在线社交网络、传统社交网络以及短距离无线网络中的社交网络。如今对在线社交网络或短距离无线网络的单个研究已经成为研究热点,但是关于这两种网络类型的综合研究仍然相对匮乏,这两种网络之间是否存在关联在科学界至今也没有达成统一结论,所以在本文中我们并不像传统研究那样对这两种网络类型之间是否存在关联做过多讨论,而是基于短距离无线数据提出一个具体框架。首先根据所提取的数据指标个数和节点间的关系我们设计出基于单指标、多指标、直接和间接映射四种算法,又由于数据分布特征有多种类型,所以我们又设计出阈值筛选法、特征值累加法、信道对称法和基于辅助数据四类算法,为便于理解,还将特征值累加法和信道对称法以伪代码形式呈现。然后将所述前四种算法和后四种算法两两组合来挖掘隐藏在短距离无线网络中的社交关系,再将所挖掘出的关系映射到社交网络中,与其他框架模型不同的是,我们会使用客观指标随机映射比例来判断算法性能的优劣性。若对某个数据集使用某种算法进行研究时,映射比例与随机映射比例相近,并不意味着此算法有误,只能表明我们所选取的指标或算法并不适合处理该数据集。本文创新性地对两种网络类型进行综合研究,对所提出的多种算法作出详细介绍,并使用五组数据集对这多种算法进行验证,当选取合适的算法和指标时,与随机映射比例相比,映射比例明显提高,这表明我们所提出的框架是合理有效的。