在移动通讯呼叫网络中,每一个移动通讯用户构成一个节点,用户之间的通信交往构成他们之间的联系,由此形成移动通信社会网络。社会关系网络在通信企业的营销中起着重要的作用。在全业务竞争的背景下,通信企业对集团客户、家庭用户等依靠社会关系维系的小团体的争夺更为激烈。因此在移动通信社会网络中如何准确的对节点之间的关系进行判别是一个重要的研究课题。　　 目前,直接通过属性特征对节点之间的关系进行分类的传统分类方法已较为成熟。在电信的业务数据中,包含了大量的用户位置信息数据,如何将用户的位置信息数据应用于对用户之间的关系进行分类的研究目前尚不多见,因此,本文的研究内容即为如何有效地将位置信息应用于用户关系的分类。　　 有效地利用位置信息首先涉及到位置数据的建模问题,本文深入研究了目前应用比较普遍的几种序列模式挖掘算法。研究发现,将这些算法应用于电信用户位置信息的建模时效率较低,成为了关系判别模型的瓶颈。因此,本文对PrefixSpan算法进行了改进,提出了PrefixspanFL算法。在对位置信息进行时序建模之后,产生了一系列有助于用户关系判别的属性。针对数据的特征,本文选择贝叶斯分类器来对用户关系进行分类。并深入研究了贝叶斯分类方法以及贝叶斯网络分类方法的建网方法。最后整合几个模块,提出了完整的关系判别模型。　　 在实验过程中,本文将几种序列模式挖掘算法和几种贝叶斯分类方法进行组合,形成多种关系判别模型,并针对真实数据进行实验,证明了本文所提出的模型有效地提高了用户关系判别的准确率和效率。