随着通信技术以及移动网络的发展,通信所产生的数据量大幅上升,通信相关的复杂数据中往往包含大量的信息,这些信息反映了实际社会的人际关系特征以及消息流动规律,根据这些特征和规律,可以进行很多例如产品推荐以及社会安全监视的工作。但是,通信网络的用户众多,消息的产生速度非常快,这就需要专业的数据分析处理工具进行相关数据的处理分析。本文针对这一实际问题进行了系统化的研究和工程实践探索,具体工作如下:1.探索多维度复杂通讯数据的可视化。为了对复杂数据进行分析处理,将数据进行可视化,主要的可视化方法是无向图,将通讯数据中的参与者抽取为节点,将数据中的关系抽取为连线,最后将整个数据集可视化为一个无向图代表的数据关系网络。2.提出基于多网融合的网络通联关系扩展算法以及基于命名实体发现的网络通联关系扩展算法。网络的通联关系代表了网络的连通性,在连通性较好的网络中,图的连通度高,节点与节点之间的通路数量多,对网络中消息流动以及基于网络消息流向的预测和推荐工作越准确。基于多网络融合的网络通联关系扩展使用多个网络,分析网络间映射,对网络的连通性进行扩展,基于命名实体识别的网络通联关系扩展从单个网络中提取出可以扩展网络的命名实体,将命名实体与网络的关系信息加入,扩展网络连通性。3.提出基于地理位置聚类的快速社团发现算法。网络的社团特点是社团中的节点连线较密而社团间的连线较稀疏,传统的社团发现算法按照网络节点的关系信息进行社团划分,这样的社团发现算法丢失了网络中节点的线下重要信息—地理位置。基于地理位置聚类的快速社团发现算法在原有的社团发现算法的基础上,提前进行网络的地理位置分析,既可以加快社团发现算法的收敛速度,也可以加入地理位置对社团分布的影响。4.设计和实现了一套复杂数据可视化分析系统。该系统首先对数据库中的数据进行数据缩减,过滤出用户感兴趣的数据,然后将数据从多个角度进行可视化,使用上述算法对网络结构进行分析,从可视化的结果中计算网络参与者的影响力,基于影响力计算结果进行宣传广告工作。