数据挖掘作为一种帮助人们从海量数据中发现潜在有用知识的工具,在很多领域发挥了重要的作用。将数据挖掘的方法应用于社会网络分析是数据挖掘研究的一个新的方向。社会网络分析是一种应用性很强的社会学研究方法,成功地解决了一些社会学问题,得到了广泛的关注。随着信息技术的发展,越来越多的社会关系数据被收集。但是在数据量增大的同时对分析技术提出了新的挑战。如今社会网络的规模早已超出了原有分析手段的处理能力,必须借助计算机进行更为有效的社会网络分析。本文挖掘的社会网络为人物间的相似性关系网络,从数据挖掘的角度来处理社会网络的任务,主要完成了以下三个方面的工作:第一,本文创新性地从维基百科中挖掘真实人物的物相似性。首先简单介绍了社会网络的基本理论和维基百科作为本文数据源的优点,然后在分析维基百科语法的基础上,从中提取真实的人物数据,并对提取的数据正确性进行了验证。第二,根据从维基百科中抽取到的人物信息,将人物实体划分为四个属性和属性上对应的值,把人物实体看作是系统,然后采用系统相似性模型计算人物相似度。在系统相似度计算中,人物的每个属性值采用了不同的计算方法,特别是最重要的经历属性值,采用动态规划算法实现的编辑距离完成相似度计算,既保证了准确性又减少了运算时间复杂度。第三,在完成相似性网络构建后进行了社会网络分析的研究。其中主要包括提出PageRank-Like算法的人物影响力评估和基于深度优先搜索的小团体生成。并且开发了本文的图形化的社会网络分析工具,辅助社会网络分析和应用。