随着互联网的快速发展,社交网络也深入到每个人的生活中,近年来,社会网络越来越受到关注,出现了很多如QQ、微博、Facebook等拥有大量用户的社交网站。无论是改善现有的系统和设计新的社会网络应用方面,这些社交网络的属性研究吸引越来越多的研究者关注。多标签分类是社交网络中的一项重要应用,随着标签分类的日益普及,网络数据的多标签分类成为数据挖掘领域的一个研究热点。本文的主要工作如下:(1)基于真实数据下的社交网络用户的多标签分析。社交网络中用户的每条信息都可以作为他们的标签,经过分析国内使用率比较高的几款社交网络,以QQ社交网络这个拥有大量用户、使用范围最广泛的数据作为研究对象,基于其社会背景属性,系统地分析并归纳了在这个社交网络中用户的标签信息分布情况,以现有的数据来评估整个QQ真实网络的结构,使我们对于一个社交网络有了详细的了解。(2)针对多标签分类算法应用于大规模社交网络中时,网状数据带来的时间复杂度偏高的问题,提出了一种启发式的大规模社交网络下的多标签分类算法,依据社交网络的结构属性,通过引入由目标节点、源节点以及他们之间最短路径组成的多目标核心网络,在相对短的时间得到分类的最大精度。对实际网络进行实验分析,与现有的多标签分类方法相比,实验结果证明我们提出的方法可以帮助预测在网络环境中更精确、更有效的标签。(3)结合本文提出的多标签分类算法和经典的多标签分类算法,我们设计了一款社交网络多标签分类工具软件,目的是为了方便、直观计算社交网络下的多标签分类算法,同时也能方便的进行多标签分类的对比实验。