电信网是当今人类通信的重要基础设施,在人们的生活中扮演着不可或缺的角色。然而,近年来随着违法犯罪活动在电信网上频繁出现,网络的监管和治理也变得愈发关键。与此同时,呈指数增长的电信网数据和多种多样的通信手段给电信网治理带来前所未有的挑战,导致传统的基于通信内容的监管和治理手段日渐无力。电信网用户的通联行为可被视为一种行为信息,相比传统基于内容的监管手段,基于电信网用户的通联行为进行信息挖掘大大降低了所需信息的维度。电信网用户通联行为分析的重要目标是网络中具有重要价值的用户或用户团体,这些重要用户或者团体能够对网络的结构和功能产生巨大影响。通过基于电信网用户通联行为数据进行数据挖掘能够为相关部门对于电信网的监管和治理提供更加宏观的角度。因此本文基于电信网用户通联行为的重要目标挖掘系统的现实应用需求,开展了三个方面的研究,主要研究内容如下:（1）提出一种结合节点局部信息和全局信息的节点重要性排序算法。针对当前节点排序算法在排序精度和时间复杂度上无法满足系统对于重要用户挖掘需求的问题,提出了一种基于迭代K-shell和改进信息熵的节点重要性排序算法。首先,通过分析K-shell分解过程中的迭代信息得到节点在网络中的全局信息;其次,提出了改进的节点信息熵来得到节点的局部信息;最后,综合节点的全局和局部信息对节点重要性进行排序。该算法在4个真实数据集上与其他6个算法进行实验对比,发现该算法与现有方法相比,排序结果的分辨率更高、节点信息传播能力更强且时间复杂较低,能够更好的应用于大规模网络。（2）提出一种改进标签传播思想的社团发现算法。针对当前社团发现算法在划分结果稳定性和时间复杂度上无法满足系统对于大规模网络社团发现需求的问题,通过将模块化增益和节点信息与LPA算法结合,提出了一种基于模块度增益和节点信息的改进标签传播算法NILPA。首先,NILPA算法通过最大化模块度增益来克服LPA初始分配标签时的随机性;其次,NILPA综合利用节点的度与k-shell算法得到的节点重要性排序提出了一种改进的节点信息度量值,并据此克服LPA在标签选择时的随机性。最后将NILPA算法在2个真实世界网络和3个人工生成网络上与其它3种算法进行对比实验,结果表明NILPA算法在大型网络中效果较好且社团划分结果稳定,能够较好的应用于大型网络。（3）设计并实现了基于电信网用户通联行为的重要目标挖掘系统。该系统基于电信网用户的通联信息进行数据挖掘,能够承载海量通联数据的存储、预处理和分析任务,同时系统通过利用研究内容一和二所提出的算法进行数据挖掘,将挖掘出的潜在重点用户和重要团体通过可视化功能进行展示。系统测试结果表明,该系统能够为有关部门对电信网的治理和监管工作提供有效的数据支持。