随着信息科技的快速成长,互联网进入web2.0时代。在这一时代,互联网发生了重大变革,社交网络成为这一时代的典型应用。用户在社交网络中表达对话题的观点,分享想法,与其他用户建立关系。随着人们花费在社交网站上的时间越来越多,社交网络的流行程度呈现爆炸式增长,出现了不计其数的社交网络应用。社交网络应用希望能在众多的同类产品中脱颖而出,其中如何通过分析用户已有行为适时提供分析预测和指导性的信息从而建立有效的推荐机制,已然成为社交网络在竞争中取得成功以及受到欢迎的关键。本文以小群体社交网络用户关系分析为研究对象,主要包括:1.提出了一种基于频繁子图挖掘的用户关系预测方法,通过利用网络中的节点表示个体,边表示节点之间的关系或交互,将社交网络抽象化为符号网络表示,将用户关系分析转化为符号网络边的符号分析及预测,基于频繁子图挖掘方法设计实现了符号社交网络中用户正负关系即边的符号的分析预测,实现了自我图集合的生成、频繁子图模式的挖掘和基于分类方法的边符号的预测三大模块,并将数据挖掘结果用关系图模式进行可视化表达。2.提出了一种改进的频繁子图挖掘算法,研究了图挖掘技术及其算法,为挖掘模块选取了合适的子图挖掘算法。针对gSpan算法边扩展复杂性高,效率低下以及k值选择等问题,提出了三种改进策略,结合这三种策略对gSpan算法进行了改进,减少复杂性,提高效率。在频繁子图挖掘模块实现基于改进后的gSpan算法的子图挖掘,并验证使用这些子图可以准确预测社交用户之间的关系。3.通过采集社交网络的大量真实数据来验证该方法的有效性,并说明了社交用户之间的积极或消极关系与其周围的频繁子图类型是密切相关的,验证了提出算法的有效性和可行性。