在线社交网络是以计算机为媒介相互作用而增长起来的关系网。对社交网络中的人际关系的研究与分析近年来成为热点。由于在线社交网络中用户的关系不是可见的,而是通过大量的交互活动来体现的,需要通过观察用户之间的互动来推测或者估计其关系。本文采用基于HMM的方法通过隐状态估计来分析连接关系,即以观察到的互动事件为观察状态来估计其内在的关系状态。本文首先分析了社交网络模型,社交网络主要是由节点和连接组成,而连接关系正是社交网络中用户互动所产生的结果。本文详细阐述了社交网络中的关系,并将社交关系细化为连接强度、连接深度和连接逻辑等。在此基础上用HMM对用户互动事件进行建模,这里把用户之间的阶段性的互动变化看作马尔可夫链,用户之间的关系状态作为马尔可夫隐状态,二者构成了隐马尔可夫模型。然后对学习后的HMM模型进行隐状态估计。在对HMM隐状态估计的时候,基于多个互动事件之间会产生冲突的问题,提出了用D-S代替了Viterbi算法,并对二者做了分析比较,详细分析了二者的优缺点,以及各自的优势。实验表明,在数据集较小的时候用D-S证据理论效果更明显,在数据集较大的时候用Viterbi算法更好些。