对社交网络的深入研究可以帮助我们了解所处的时代,去挖掘社交表象背后更加深层次的关系。虚拟的社交网络很大程度上反映了一个人真实生活的社交状态。本论文的观点在于,从多个渠道包括新浪微博、电子邮件、通话记录、短信记录中用技术手段挖掘数据,将现实中的互动关系转移成可以量化的社交关系。研究人与人之间在各个社交工具渠道的交互过程。人与人之间的距离有远有近,这种远近关系可以用挖掘到的互动关系数据加以准确衡量。本论文在深入研究了国内外关于社交网络相关理论、数据挖掘相关理论与工具、社交网络中社交强度的相关研究,与图论知识相结合,对个人社交生态系统和社交强度进行定义,分析社交强度的影响因素。对于个人社交生态系统的恢复,运用模型以及数据挖掘算法来获取数据。对个人社交数据进行挖掘,其中包括三个渠道的数据,分别为:通过部署Android App在手机端获取通话记录和短信记录;利用基于Java的新浪微博爬虫技术获取微博关注、粉丝、内容、评论、点赞、转发数据;利用邮箱内嵌式插件获取邮件往来记录。将这些原始数据进行处理、清洗后,运用可视化工具Gephi形成网络拓扑图,恢复出跨渠道的个人社交生态系统。由于随着时间变化,数据量的变化,个人社交生态系统也不断变化,对于不断变化的个人社交生态系统,进行全面分析社交偏好,其中包括社交时间点的偏好、社交渠道的偏好以及社交内容的偏好。最后,开发跨渠道的个人社交生态系统恢复与偏好分析工具,此工具基于数据分析并发现规律,有效地提高用户与用户之间的社交效率,从而帮助用户更好地进行社交互动。