无论是在现实生活中还是在社交网络中,社会关系都是一个非常重要的组成部分。社会关系可以为好友推荐、信息传播和群体发现等下游任务的研究提供重要依据,因此对社会关系的研究是非常有意义的。在生活节奏越来越快的现代,人们的社交活动逐渐从线下向线上转移,对在线的社会关系的研究显得更加重要。本文尝试对基于在线的社交网络平台的社会关系,进行建模、计算以及预测。在特征的选取方面,本文选择了四个语言特征与三个拓扑特征,并且研究了语言特征与拓扑特征的关联性,实验结果表明公共朋友数量与二人对彼此关系强度看法的一致性成正比。本文还研究了拓扑分析中的互动平衡,并且分别从静态与动态的角度进行分析,得到了较多有意义的结论。本文分别基于安然公司的邮件数据和新浪微博的数据,利用SVM模型、CNN模型和RNN模型,进行了上下级关系的预测和关系双方性别的预测这两个具体任务,验证了提取的特征的有效性,以及单独使用两种特征与二者结合效果的差异。实验结果表明语言信息相比于拓扑信息对社会关系的表示与描述更加准确,而当二者结合起来所蕴含的信息则更加丰富,比单独使用任意一种信息效果更好。